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
交叉注意力机制
特征提取网络
依赖特征
跨模态数据
变量
风险控制方法
编码准则
随机森林模型
贝叶斯网络推理
网络节点结构
数字孪生模型
数据采集模块
数据分析模块
建筑信息模型
三维地理模型
速调管
状态反馈控制方法
强化学习模型
控制系统
加速器