摘要
本发明公开了一种卡扣卡合识别方法、装置、设备和存储介质,属于机器人技术领域。该方法针对传统递归神经网络(RNN)在处理长时序卡扣检测力序列时的性能退化问题,引入了用于识别卡扣卡合序列的残差长短时记忆神经网络(LSTM)模型,该模型将残差链接到长短时记忆网络中,增强长时间序列下的记忆与反向传播效率,并利用残差链接改善了长短时记忆细胞中信息的遗传机制,有效防止在处理长时序列时梯度的消散问题,在残差长短时记忆神经网络模型的训练过程中通过扩增样本数据进行训练,能够缓解网络训练过程中的过拟合问题,提高了网络训练收敛之后的识别性能。
技术关键词
神经网络单元
识别方法
神经网络模型
序列
数据
Sigmoid函数
焦点损失函数
递归神经网络
信号
双曲正切函数
卡扣基座
可读存储介质
环形卡扣
机器人技术
检测力
处理器
样本
矩阵
卡扣组件
系统为您推荐了相关专利信息
账户风险识别方法
神经网络模型
样本
标签
风险识别系统
故障诊断方法
声压传感器
监测传感器
故障诊断模型
数据
经济管理系统
矿产资源勘探
经济效益评估
矿山生态修复
Dijkstra算法
注意力机制
空间特征提取
特征提取能力
识别视频数据
足球