注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于训练序列的信道估计研究

  2. 道估计是指描述物理信道对输入信号影响而进行研究的过程，其目的在于识别每组发送天线与接收天线之间的信道冲激响应。本文主要研究了基于训练序列的信道估计, 首先阐述了无线信道中信号的传播方式、信号的损失以及衰落效应、多径效应、时变效应等特性。接着在介绍信道特性的基础上着重介绍了比较经典的时域和频域信道估计方法，并从时域的角度介绍了最小二乘算法。最后对基于训练序列的信道估计进行仿真实验，比较均方误差大小，给出仿真曲线和结果分析。

  3. 所属分类：嵌入式

    • 发布日期：2010-04-08
    • 文件大小：413kb
    • 提供者：xuxiaoxiao123

  1. 【matlab】基于BP算法和遗传算法的自适应噪声抵消器

  2. 一、引言自适应噪声抵消技术是一种能够很好的消除背景噪声影响的信号处理技术，应用自适应噪声抵消技术，可在未知外界干扰源特征，传递途径不断变化，背景噪声和被测对象声波相似的情况下，能够有效地消除外界声源的干扰获得高信噪比的对象信号。 从理论上讲，自适应干扰抵消器是基于自适应滤波原理的一种扩展，简单的说，把自适应滤波器的期望信号输入端改为信号加噪声干扰的原始输入端，而它的输入端改为噪声干扰端，由横向滤波器的参数调节输出以将原始输入中的噪声干扰抵消掉，这时误差输出就是有用信号了。在数字信号采集、处理中

  3. 所属分类：硬件开发

    • 发布日期：2012-12-30
    • 文件大小：2kb
    • 提供者：mmfile

  1. 课程设计工程实践训练报告

  2. 1.1 实训目的 以THJ—2高级过程控制装置为基础，采用串级PID控制方法设计建立了双容水箱的数学模型，构成了以上水箱为副参数，下水箱液位为主参数的液位串级控制系统，在组态软件MCGS中进行了实现，实训测试结果表明，系统实现了对过程参数的无稳态误差控制。 1.2 实训任务 1，熟悉THJ-2型高级过程控制装置的各部分组成及其工作原理。 2，熟悉THJ-2型智能仪表控制系统。 3，掌握传感器特性的认识和零点迁移、自动化仪表的初步使用、变频器的基本原理和初步使用以及电动调节阀的调节特性和原理等

  3. 所属分类：软件测试

    • 发布日期：2013-05-13
    • 文件大小：817kb
    • 提供者：u010681575

  1. BP训练的程序，训练加学习过程

  2. BP拟合的一个简单程序，先训练然后拟合，经过BP学习过后，误差很小，拟合程度比较高

  3. 所属分类：.Net

    • 发布日期：2013-06-19
    • 文件大小：2kb
    • 提供者：u011124571

  1. (xu)BP网络的应用09

  2. (xu)BP网络的应用,训练过程误差变化情况可通过MATLAB进行观察

  3. 所属分类：Access

    • 发布日期：2013-12-31
    • 文件大小：526kb
    • 提供者：u011680239

  1. 训练过程误差变化情况

  2. 训练过程误差变化情况可通过MATLAB进行观察

  3. 所属分类：Access

    • 发布日期：2013-12-31
    • 文件大小：1mb
    • 提供者：u011680239

  1. 人工神经网络MATLAB程序代码

  2. 第一章 人工神经网络………………………………………………… 3 §1.1人工神经网络简介………………………………………………………… 3 1．1 人工神经网络的起源 …………………………………………………… 3 1．2 人工神经网络的特点及应用 …………………………………………… 3 §1.2人工神经网络的结构………………………………………………… 4 2．1 神经元及其特性………………………………………………………… 5 2．2 神经网络的基本类型 ……………………………………………… 6

  3. 所属分类：讲义

    • 发布日期：2016-02-26
    • 文件大小：1mb
    • 提供者：qq_28218189

  1. 基于神经网络的学习练习题

  2. 用最基本的BP 算法来训练BP 神经网络时，学习率、均方 误差、权值、阈值的设置都对网络的训练均有影响。综合选取合理的值，将有利于网络的训练。在最基本的BP 算法中，学习率在整个训练过程是保持不变的，学习率过大，算法可能振荡而不稳定；学习率过小，则收敛速度慢，训练时间长。而要在训练之前选择最佳的学习率是不现实的

  3. 所属分类：网络基础

    • 发布日期：2009-03-17
    • 文件大小：412kb
    • 提供者：liangzhaojun

  1. 人工智能选股之损失函数的改进

  2. 本文 创新性地提出了两种对数损失函数改进方案，取得了更好的回测效果 损失函数在机器学习模型的训练过程中决定了模型的优化方向，具有重要 的地位。对数损失函数是机器学习中最常用的二分类模型损失函数，它的 形式可以被分解为两项，分别代表二分类的假阳性误差和假阴性误差，普 通对数损失函数中，两类误差的权重是相等的。本文针对对数损失函数的 形式，结合机器学习在多因子选股中的应用，提出了两种改进方案，分别 解决不同目标下的机器学习选股问题。两种改进方案相比普通对数损失函 数都取得了更好的回测结果。

  3. 所属分类：机器学习

    • 发布日期：2019-03-26
    • 文件大小：1mb
    • 提供者：joleoy

  1. fun.zip代码+实验报告+推导过程

  2. 反向传播是“误差反向传播”的简称，是一种与最优化方法结合使用的，用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度。这个梯度会反馈给最优化方法，用来更新权值以最小化损失函数。 反向传播要求有对每个输入值想得到的已知输出，来计算损失函数梯度。

  3. 所属分类：机器学习

    • 发布日期：2019-05-14
    • 文件大小：19mb
    • 提供者：qq_40438388

  1. 一种改进的BP神经网络算法及其应用-一种改进的BP神经网络算法及其应用.rar

  2. 一种改进的BP神经网络算法及其应用-一种改进的BP神经网络算法及其应用.rar 一种改进的BP神经网络算法及其应用 一种改进的BP神经网络算法及其应用 褚辉,赖惠成 摘要:BP算法是目前应用最为广泛的神经网络学习算法,但原始算法收敛速率慢,训练过程易陷入局部极小值以及隐层节 点数选择困难。针对这些问题提出了不少改进措施,文中提出了一种改进的BP神经网络算法,在BP算法基础上,从训练算 法着手,通过误差的变化趋势,动态调整权值以提高网络的收敛速率;通过数学推导,从理论上验证了该算法的有效性。用

  3. 所属分类：其它

    • 发布日期：2019-08-12
    • 文件大小：72kb
    • 提供者：weixin_39840924

  1. 提供一个Matlab的BP神经网络的基础资料-附件2.txt

  2. 提供一个Matlab的BP神经网络的基础资料-附件2.txt 第一节内容：包括神经网络的基础知识，BP网络的特点，bp主要应用的场合，使用时应注意的问题。 什么是神经网络？ 神经网络是由很多神经元组成的，首先我们看一下，什么是神经元 3962604722133983950.jpg 上面这个图表示的就是一个神经元，我们不管其它书上说的那些什么树突，轴突的。用个比较粗浅的解释，可能不太全面科学，但对初学者很容易理解： 1、我们把输入信号看成你在matlab中需要输入的数据，输进去神经网络后 2、这

  3. 所属分类：其它

  1. 基于规则进化模糊系统的步行方向意图识别.pdf

  2. 基于规则进化模糊系统的步行方向意图识别.pdf,为了准确识别下肢功能障碍患者自主步行康复训练过程中的方向意图，提出了一种能够兼顾使用者个体差异及安全状态的新型步行方向意图识别方法。首先论述了康复训练机器人结构及患者前臂对机器人支撑板的压力和步行方向意图的关系。为保证患者安全地向任意方向行走，提出根据膝盖旋转角度推理安全步态的先决条件下，基于距离型模糊推理算法设计具有稀疏前件规则库的步行方向意图识别方法；然后为减小因个体差异、非稳定模糊规则引起的识别误差，提出规则进化算法实时优化模糊推理规则库。

  3. 所属分类：其它

  1. 带惩罚项的复神经网络学习算法的收敛性

  2. 带惩罚项的复神经网络学习算法的收敛性，费舟莹，董健，本文对两层复值BP神经网络中带有惩罚项的批处理梯度算法的收敛性问题进行分析与研究，给出了在网络训练过程中误差函数是单调下降�

  3. 所属分类：其它

    • 发布日期：2020-02-11
    • 文件大小：301kb
    • 提供者：weixin_38741996

  1. 机器学习的个人学习过程

  2. 还在学习中！尚未补全 机器学习的学习任务根据训练集是否拥有标记信息， 可大致分为两类：监督学习和无监督学习 分类和回归是监督学习的代表 （对于预测的结果是离散值，例如“好瓜”“坏瓜”此称为分类；对于预测值是连续值，例如西瓜成熟度是0.95，此称为回归） 聚类是无监督学习的代表 （将训练集分为若干组，每组形成一个簇，他们自动形成的簇对应着一些潜在的特征划分，这些概念我们事先不知，这样的样本也不拥有标记） 模型评估方法 留出法 将数据集D分为互斥的两部分：训练集S、测试集T。 用训练集S进行训练后，

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：53kb
    • 提供者：weixin_38566180

  1. 从模型训练中认知拟合现象

  2. 机器学习中模型训练是必需的，在模型训练中存在两类典型的问题： 欠拟合 (underfitting) 模型无法得到较低的训练误差 过拟合 (overfitting) 模型的训练误差远小于它在测试数据集上的误差 实际训练过程中可能会出现两类问题的并发症，而且会有多种因素直接或间接地导致这种情况出现 影响因素 介绍其中两个因素：模型复杂度和训练数据集大小。 模型复杂度 以多项式函数拟合为例。给定一个由标量数据特征xxx和对应的标量标签yyy组成的训练数据集，多项式函数拟合的目标是找一个KKK阶多项式函

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：181kb
    • 提供者：weixin_38577261

  1. 最优化理论实践——神经网络训练

  2. 无约束优化实践 训练一个神经网络 优化理论实践 用了一周的时间学习了一下最优化理论这门课，为了更深度地理解各种优化方法的理念和算法过程，自己把这些算法应用到实践中是很必要的。为此我设计了和优化算法相关的四个实验项目，在这里和大家分享一下。 无约束优化方法 前馈神经网络 根据链式法则，从输出层直接对误差函数求导得到的误差(这里我们简写为δ)，就可以通过和上面的这些局部导数不断做乘积、并把新的δ传播到上一层，就能计算得到所有参数的导数。通过一阶导数，就能实现基本的梯度优化方法。 训练方

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：528kb
    • 提供者：weixin_38705699

  1. 平滑L0正则化的前馈神经网络批量梯度训练方法

  2. 本文考虑采用平滑L0正则化（BGSL0）的批梯度方法进行训练和修剪前馈神经网络。 我们展示了为什么BGSL0可以产生稀疏的权重，这对于修剪网络。 我们证明了在温和条件下BGSL0的弱收敛和强收敛。 还获得了误差函数在训练过程中递减的单调性。 两个例子是用来证实理论分析并显示BGSL0的稀疏性比三个典型Lp正则化更好方法。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：494kb
    • 提供者：weixin_38590738

  1. 一种改进的Adaboost训练算法

  2. 针对传统的Adaboost 训练算法在训练过程中可能出现训练退化和训练目标类权重分布 过适应的问题，提出一种改进的Adaboost 训练算法． 改进算法通过调整加权误差分布限制目 标类权重的扩张，并且最终分类器输出形式以概率值输出代替传统的离散值输出，提高了训 练结果的检测率． 实验结果表明，改进的Adaboost 算法在Inria 数据集上取得了较好效果．

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：836kb
    • 提供者：weixin_38655011

  1. 基于多目标分层遗传模糊建模的磨矿过程溢流粒度软测量

  2. 提出一种基于多目标分层遗传算法的模糊系统对溢流粒度进行软测量, 该方法将模糊系统分为4 层, 即输入层、隶属度层、规则库层和系统集成层. 为了达到各层共同进化的目的, 设计遗传算法各层编码策略, 构建基于平均绝对百分误差和均方根误差的优化目标函数, 并采用该函数计算各层个体的适应度. 鉴于模糊模型训练过程中可能出现异常解, 将L-M 贝叶斯正则化方法融入训练过程. 对磨矿生产数据的仿真实验验证了所提出方法的有效性.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：256kb
    • 提供者：weixin_38607908
« 12 3 4 5 6 7 »