搜索资源列表
changestepadptivefilter
- 变步长的LMS自适应滤波算法(matlab)-variable step LMS adaptive filter algorithm (Matlab)
Sinposon
- 本Fortran子程序用变步长辛普生积分法来计算二重积分.
Euler
- C语言实现的改进欧拉法，用定步长和变步长实现改进欧拉法求解常微分方程组。
CH8
- 龙格库塔法解微分方程：包括解微分方程组，及其变步长和二阶的
LMS
- 在一种变步长LMS 算法的基础上，引进动量因式，提出了一种新的改进LMS 的算法。新算法整体性能优 于变步长LMS 算法以及LMS 算法。通过理论分析，比较了新的算法和变步长LMS 算法以及LMS 算法的收敛性 和稳态性，提出了一种设想以提高新算法的稳态性。仿真试验证明了新算法的优越性以及设想的在仿真条件下的正 确性。
BIANbuchangLMS
- 用matlab自编的的变步长LMS滤波的算法的程序，希望对大家有用
vlms
- 一种新的变步长LMS自适应滤波算法.pdf，电子学报，罗小东
VLMSandMatlabsimulate
- 一种变步长LMS算法及其Matlab仿真.pdf，应用科技，吕强
computing_method
- 简要介绍高斯列主元法消去法/平方根法解线性方程/雅克比/变步长的辛甫森求积公式，同时给出源程序
solutionofillsystem
- 病态系统求解方法比较：龙格库塔4固定步长、变步长、吉尔法
lamdaBP
- 三层前向神经网络的权值训练方法 变步长的bp法
VC++BP
- 本程序是BP算法的演示程序, 其中的Levenberg-Marquardt算法具有实用价值. 一、网络训练 程序默认状态是样本训练状态,现将样本训练状态下的如何训练网络进行说明: 1.系统精度: 定义系统目标精度,根据需要定义网络训练误差精度.误差公式是对训练出网络的输出层节点和实际的网络输出结果求平方差的和. 最大训练次数: 默认为10000次,根据需要调整,如果到达最大训练次数网络还未能达到目标精度,程序退出. 3.步长: 默认为0.01,由于采用
LMSmatlab
- 这 里主要对LMS算法及一些改进的LMS算法（NLMS算法、变步长LMS算法、变换域LMS算法）之间的不同点进行了比较，在传统的LMS算法的基础上发 展了LMS算法的应用。另一方面又从RLS算法的分析中对其与LMS算法的不同特性进行了比较。
bianbuchangLMS
- 变步长LMS算法，可以明显加快LMS收敛速度
NLMS
- 若不希望用与估计输入信号矢量有关的相关矩阵来加快LMS算法的收敛速度，那么可用变步长方法来缩短其自适应收敛过程，其中一个主要的方法是归一化LMS算法（NLMS算法），变步长 的更新公式可写成 W（n+1）=w（n）+ e（n）x（n） =w（n）+ （3.1） 式中， = e（n）x（n）表示滤波权矢量迭代更新的调整量。为了达到快速收敛的目的，必须合适的选择变步长 的值，一个可能策略是尽可能多地减少瞬时平方误差，即用瞬时平方误差作为均方误差的MSE简单估计，这也是LMS算法的基本思想
Runge-KuttaC++
- 在使用龙格-库塔(RK)方法对连续系统进行数字仿真时,为了保证数值计算的稳定性以及仿真结果具有足够的精度,通常采用变步长策略。为了有效地解决变步长仿真计算过程中,输出节点与计算节点不相吻合的问题,该文在前人工作的基础上,提出了一个具有大稳定域的四阶连续RK公式对。该公式对在不增加微分方程的右端函数值的计算次数的前提下,可以给出积分步距中任意一点上的数值解,因而具有更大的应用价值。仿真结果表明,该公式对是有效可行的。
GillCode
- 提供积分算法变步长Gill法代码，欢迎大家探讨！
43680518bianbuchangLMS
- 在信道估计中实现了变步长的lms算法，完成仿真平台
自适应神经网络在确定落煤残存瓦斯量中的应用
- 落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系。人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法。基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快 该预测模型的应用可为采掘工作面瓦斯涌
变步长LMS算法
- 盲均衡算法的基础算法