搜索资源列表
Neural-Network-Noise-Cancellation
- ，自适应神经网络噪声抵消系统不需要关于输入信号的先验知识，非线性映射能力强，具有自学习能力、计算量小和实时性好等特点，利用该系统对含噪声的非线性信号建模，可达到消除噪声的目的。-The adaptive neural network noise canceling system does not need prior knowledge about the input signal, strong nonlinear mapping ability, self-learning ability,
bp_fxxbj
- 采用bp神经网络对非线性函数的拟合：2输入1输出的非线性函数拟合，不适应matlab自带的函数功能。-Bp neural network using nonlinear fitting function: two inputs and one output nonlinear function fitting, suited matlab comes Function.
RBF_MRAC_Direct
- RBF神经网络模型自适应控制算法Delphi语言编写绝对可以执行适合相关人员研究参考-RBF MRAC delphi codes ok
Saliency-Detection
- 提出一种新的显着性检测方法，通过将区域级显着性估计和像素级显着性预测与CNN（表示为CRPSD）相结合。对于像素级显着性预测，通过修改VGGNet体系结构来执行完全卷积神经网络（称为像素级CNN）以执行多尺度特征学习，基于该学习进行图像到图像预测以完成像素级显着性检测。对于区域级显着性估计，首先设计基于自适应超像素的区域生成技术以将图像分割成区域，基于该区域通过使用CNN模型（称为区域级CNN）来估计区域级显着性。通过使用另一CNN（称为融合CNN）融合像素级和区域级显着性以形成nal显着图，并
case1
- 混沌微型机电系统自适应反步法控制技术，采用RBF神经网络逼近未知非线性项-Adaptive backstepping control of chaotic micro-electro-mechanical system
Delphi_RBF_MRAC_Direct
- RBF神经网络模型参考自适应控制方法的Dephi实现，对自动控制算法研究有很好的参考作用-RBF NN MAC dephi codes good reference
hou_v80
- BP神经网络用于函数拟合与模式识别，一些自适应信号处理的算法，包括调制，解调，信噪比计算。- BP neural network function fitting and pattern recognition, Some adaptive signal processing algorithms, Includes the modulation, demodulation, signal to noise ratio calculation.
pei_v85
- 多目标跟踪的粒子滤波器，一些自适应信号处理的算法，基于人工神经网络的常用数字信号调制。- Multi-target tracking particle filter, Some adaptive signal processing algorithms, The commonly used digital signal modulation based on artificial neural network.
gaijinBPdaima
- BP神经网络，采用差异化学习率，进行自适应调节网络权值与阈值-BP u799E u7ECE u7EF1 u7EDR uFF0C u91C7 u758 u5DEE u5F02 u5316 u5B66 u4E60 u7387 uFF0C u8FDB u884C u81EA u9002 u5E94 u8C03 u8283 u7F51 u7EDC u6743 U503C u4E0E u9608 u503C
liefeiming
- BP神经网络的整个训练过程,一些自适应信号处理的算法，用MATLAB编写的遗传算法路径规划。- The entire training process BP neural network, Some adaptive signal processing algorithms, Genetic algorithms using MATLAB path planning.
somtoolbox
- 最新的SOM神经网络的工具箱,可以用来参考，加强对自适应网络的理解，希望对朋友们有用!(The latest SOM neural network toolbox, can be used for reference, strengthen the understanding of the adaptive network, I hope useful for friends!)
chap9
- 基于单神经网络的PID智能控制，基于自适应神经网络补偿的PD控制，基于二次型性能指标学习算法的单神经元自适应PID控制。(PID intelligent control based on single neural network, PD control based on adaptive neural network compensation, single neuron adaptive PID control based on two order performance index lea
M-ANFIS
- 通过自适应模糊神经网络进行拟合数据，具有良好的精度要求(Fitting data through adaptive fuzzy neural network)
Classifiers
- 我们需要成百上千的分类器来解决现实世界的分类吗 我们评估179分类17种分类器（判别分析，贝叶斯，神经网络，支持向量机，决策树，基于规则的分类器，升压、装袋、堆放、随机森林和其他合奏，广义线性模型，线性，偏最小二乘法和主成分回归，logistic回归、多项式回归、多元自适应回归样条等方法），实现在WEKA，R（有或没有插入包），C和Matlab，包括所有目前可用的相关分类。(Do-we-Need-Hundreds-of-Classifiers-to-Solve-Real-World-Class
RBFPID
- 在simulink平台上的基于RBF神经网络的PID算法，适用于simulink仿真中系统的实时自适应控制(PID algorithm based on RBF neural network on Simulink platform is suitable for real-time adaptive control of system in Simulink simulation)
ANFIS_BP-master
- 自适应模糊神经网络的一个模型matlab语言实现(ANFIS_BP-master Substractive clustering algorithm)
水下图像去雾与增强
- 这篇论文提出了一种较好的水下图像增强的方法。首先使用经过端到端训练的卷积神经网络去测量输入图片，同时以自适应双边滤波器对传输图片进行处理。接着提出一种基于白平衡的策略来消除图片的颜色偏差，用拉普拉斯金字塔融合获得无雾和色彩校正图像的融合结果。 最后，输出图像被转换为混合小波和方向滤波器组（HWD）域，用于去噪和边缘增强。 实验结果表明，该方法可以消除颜色失真，提高水下图像的清晰度。(This paper proposes a better underwater image enhancement
自适应线性神经网络代码
- 比较不同学习速率，初始条件对学习的影响，4个模式，输出维数4
robot_control
- 采用D-H法建立了多自由度机械臂末端执行器相对于基础坐标系的位置与姿态，即多自由度机械臂的正运动学模型。其次对多自由度机械臂的逆运动学模型进行了分析。最后通过采用Langrange法对多自由度机械臂的动力学进行了建模，并对多自由度机械臂的动力学模型及其特点进行了分析。 针对多自由度机械臂数学模型的不确定性问题，提出一种基于RBF神经网络的机械臂自适应控制方法。(The position and attitude of the end effector of the multi DOF Manip