Every

Densely Connected Convolutional Networks

Recent work has shown that convolutional networks can be substantially deeper, more accurate, and efficient to train if they contain shorter connections between layers close to the input and those close to the output. In this paper, we embrace this observation and introduce the Dense Convo- lutional Network (DenseNet), which connects each layer to Every other layer in a feed-forward fashion.

标签： Convolutional Connected Networks Densely

上传时间： 2020-06-10

上传用户：shancjb
基于传感器和模糊规则的机器人在动态障碍环境中的智能运动控制

基于传感器和模糊规则的机器人在动态障碍环境中的智能运动控制基于传感器和模糊规则的机器人在动态障碍环境中的智能运动控制 oIlI～0(、r> 王敏金·波斯科黄心汉，O、l、L (华i 面面辜写j幕．武汉，43074) ＼I。L上、o 捌要：提出了一种基于传感器和模糊规则的智能机器人运动规划方法．该方法运用了基于调和函数分析的人工势能场原理．采用模糊规则可减少推导势能函数所必须的计算，同时给机器人伺服系统发出指令，使它能够自动地寻找通向目标的路径．提出的方法具有简单、快速的特点，而且能对 n自由度机械手的整个手臂实现最碰．建立在非线性机器人动力学之上的整个闭环系统和模糊控制器的稳定性由李雅普诺夫原理保证．仿真结果证明了该方法的有效性，通过比较分析显示出文中所提出的最障算法的优越性．美t词：基于传感器的机器人运动控制；模糊规则；人工势能场；动态避障；机器人操作手 1 叫哑oducd0n R。boIsarewjdelyusedfor诅sb inchasma~ia]b柚· 血， spot ： ng， spray Ijl岫 1g， mech卸icaland elec咖 icas搴enlb1y，ma al埘 IIovaland wa时 cut· ring 咖． ofsuch tasks_堋 llldea pri|柚ary ptd 眦 of 她 ar0botto e oncpositiontoanother withoutbur叩inginto anyobstacles． s 曲km，de． notedasthefDbotm ∞ pJan，liDgp∞ 舶1，hasbeen the倒娜bj0ct锄l哪gIeseat℃ll∞ ． Every method o0血∞rI1ing 如b0tmotionplanninghas itsownadv∞ngesandapplicationdoma~ asweftasits di戤ldvaIIta麟 and constr~dnts． Therefore it would be ratherdifficulteithertoc0Ⅱ】paremethodsorton~ vate thechoio~ofan dl0‘iupon othP~s． 0州 d眦：1999—07—29；Revised~ ：2000一∞ 一丝 In conU~astto many n~ hods，rob

标签： 传感器机器人

上传时间： 2022-02-15

上传用户：