学者提出基于神经网络的B样条自适应节点密度方法
热点事件观察中
学者提出基于神经网络的B样条自适应节点密度方法
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究人员 Jasmine Ratchford 等人提出了一种基于神经网络的自适应 B-spline 节点放置方法，用于近似由常微分方程生成的轨迹。该方法通过神经网络从系统初始条件映射到局部变化特征量，构建非均匀节点分布，旨在均衡局部误差指示器。\n\n该方法在非线性四旋翼系统中进行了应用，在满足规定精度要求的前提下，有效减少了所需的控制点数量，实现了实时轨迹近似。目前，该研究成果已提交至 IEEE 进行可能的出版发表。
AI 根据报道生成 · 1 天前更新
最新进展11月2日 13:00
基于神经网络的实时非线性四旋翼节点密度估计方法报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · ML基于神经网络的实时非线性四旋翼节点密度估计方法
提出一种基于学习的自适应 B-spline 节点放置方法，用于近似常微分方程生成的轨迹。神经网络从系统初始条件映射到局部变化特征量，构建非均匀节点分布以近似均衡局部误差指示器。该方法在满足规定精度下减少了所需控制点数量，适用于非线性四旋翼系统的实时轨迹近似。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 911月2日 15:00
- 近 24 小时变化
- -51%
02.557.510
18:0011月3日06:0012:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。