搜索资源列表
MK
- 用于非线性时间序列的滑动突变检验,非参数方法-detection abrupt MK
MTT
- 用于非线性时间序列的滑动T检验,用于参数类的突变检验-detection MTT
RBFyuanchengxu
- 在RBF神经网络学习过程中,I出F神经元先计算输入与中心之间的距离,然 后再对这一距离进行某种非线性变换。输出层和隐藏层分别完成不同的任务,这两层学习的策略也不相同。输出层是对线性权进行调整,采用的是线性优化策略, 因而学习速度较快。而隐藏层是对传递函数的参数进行调整,采用的是非线性优 化策略,因而学习速度较慢。 RBF算法选用高斯函数作为隐藏层传递函数时,由隐藏层来实现从 x哼R,(x)的非线性映射,由输出层来实现从R,(X)--->y。的线性映射。-In the R
SVM
- SVM核心思想是:对于输入空间中非线性可分的情形,选择一个适当的非线性映射,将输入空间中的样本点映射到一个高维空间,然后通过一系列核函数、参数因子的选择得到最优分界面。-SVM core idea is: For the non-linear input space can be divided into the case, select an appropriate nonlinear mapping the input space sample point is mapped to a hi
ekfukf
- 非线性滤波方法,主要包括EKF(扩展卡尔曼滤波)与UKF(无迹卡尔曼滤波),对于非线性状态、参数估计的学习有很大的帮助-Nonlinear filtering methods, including EKF (EKF) and UKF (unscented Kalman filter) for nonlinear state estimation is very helpful in learning
ssprop
- 输入参数接非线性薛定谔方程,没有标准化过的U,需要U0-Input parameters then the nonlinear Schrö dinger equation, there is no standardized over the U, needs U0
nls4
- 这个程序只合适计算k=1 (也就是Lcd=1),对于其他k值,一些参数要做适当变化。这也是soliton format 不宜用于非线性耦合开关的一个原因。它使问题复杂化。这个程序是计算孤子格式化下的非线性薛定格方程组,程序中的方程与我们之前的博文提供的程序的方程不同。我们当初做这个仿真的目的,一方面要重复 S. Trillo, S. Wabnitz, E. M. Wright and G. I. Stegman, 在他们论文“Soliton switching in fiber nonlinea
adaptive-genetic-algorithm
- 自适应GA SVM 参数选择算法研究Param eter selection algorithm for support vector machines based on adaptive genetic algorithm 支持向量机是一种非常有前景的学习机器, 它的回归算法已经成功地用于解决非线性函数的逼近问题. 但 是, SVM 参数的选择大多数是凭经验选取, 这种方法依赖于使用者的水平, 这样不仅不能获得最佳的函数逼近效果, 而且采用人工的方法选择 SVM 参数比较浪费
Digital
- 与数字预失真相关的论文,包括数字预失真理论与算法实现,宽带功率放大器非线性_行为模型与数字预失真系统研究,射频数字预失真器设计与实现,多阶调制自适应数字预失真算法的研究与改进,基于FPGA的射频功放数字预失真器设计,数字预失真短波功率放大器线性化研究,宽带通信系统中功率放大器的数字预失真技术研究,数字预失真参数提取技术及硬件实现,数字预失真技术在RoF系统中应用研究,WCDMA直放站系统中数字预失真技术的设计与实现,基于IMT_Advanced收发系统的数字预失真硬件平台设计-And digit
Immune-the-nonlinear-model
- 本书首先对免疫性和非线性数学模型做简单的介绍,然后在各章中具体的讨论各种各样的免疫非线性描述的具体问题。在非线性模型方面,谈非线性动力学方程,反应扩散方程的波动和参数涨落时的随机描述,结合具体问题谈了细胞自动机。-Book begins on immunological and non-linear mathematical model to do a brief introduction, the chapters and then discuss a variety of specific
BP3wei
- 用Matlab编写的神经网络程序。用BP神经网络来逼近带有2个参数的非线性函数。-Approximate Nonliear function with BP network.
hanshubijin
- 神经网络,非线性函数逼近。参数选择合适,训练序列得出权值,输出结果良好。-Neural networks, nonlinear function approximation. Select the appropriate parameters, weight training sequences obtained, the output is good.
4floorearthquake
- 近年来,随着各国大地震的接连发生,对人类的生命财产造成了巨大的损失,高层建筑的隔震抗震引起了广泛关注。因此,在实际结构中对与建筑隔震性能的研究具有重要的意义。本文提出依次采用扩展卡尔曼识别结构响应和最小二乘识别未知激励的方法,对隔震层的无模型非线性特性进行识别。首先是在小地震线性情况下识别出结构参数刚度和阻尼,然后在大地震下对隔震特性进行识别。算例表明,该方法对已知地震激励下的隔震结构,其非线性特性的识别具有较高的精度。这样可通过结构迟滞力的变化,对结构的隔震性能进行有效的识别。-Recentl
curvemain_kcsjjj
- 最小二乘法拟合一个非线性函数(这里是齿轮四杆机构的各边及齿轮大小的拟合) 多变量 多参数 函数表达式复杂(但必须有表达式,只有微分方程不行) 在数据较少的时候 拟合多个参数-A nonlinear function of the least squares fit (in this case each side of the four agencies gear and gear size fitting) complex expression of multi-variable multi-p
Real-time-detection-of-negative
- 同相牵引供电系统旨在实现电能质量的综合补偿。提出了一种基于同步坐标变换的电流检测方法,能实时准确地检测 出负载电流的基波正序有功分量、基波正序无功分量、基波负序分量以及谐波分量,为综合补偿提供了基础。电能质量的补 偿力度与设备容量之间存在非线性关系。提出补偿度的概念,并给出补偿度与电能质量参数的关系,通过给定电能质量期望 参数,实时调整负序、谐波以及无功补偿度,使得综合潮流控制器容量在各电能质量补偿参数之间得到实时优化配置,从而 实现同相供电系统容量优化满意补偿。理论推导和仿真结
Newton
- 共轭梯度法(Conjugate Gradient)是介于最速下降法与牛顿法之间的一个方法,它仅需利用一阶导数信息,但克服了最速下降法收敛慢的缺点,又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点,共轭梯度法不仅是解决大型线性方程组最有用的方法之一,也是解大型非线性最优化最有效的算法之一。 在各种优化算法中,共轭梯度法是非常重要的一种。其优点是所需存储量小,具有步收敛性,稳定性高,而且不需要任何外来参数。-Conjugate Gradient method (Conjugate Gradie
gongetidufadshuzhixingzhi
- 共轭梯度法(Conjugate Gradient)是介于最速下降法与牛顿法之间的一个方法,它仅需利用一阶导数信息,但克服了最速下降法收敛慢的缺点,又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点,共轭梯度法不仅是解决大型线性方程组最有用的方法之一,也是解大型非线性最优化最有效的算法之一。 在各种优化算法中,共轭梯度法是非常重要的一种。其优点是所需存储量小,具有步收敛性,稳定性高,而且不需要任何外来参数-Conjugate Gradient method (Conjugate Gradien
Missile-Attitude-control
- 1、利用simulink中sfunction方法建立航天器姿态动力学模型和运动学模型; 2、利用linmod对非线性模型线性化; 3、姿态模型线性化后,利用极点配置(pole)方法求取控制参数; 4、将控制参数带入非线性模型仿真控制效果。-One using simulink sfunction method to establish the dynamic model and kinematic model of the spacecraft attitude 2,
mvr61
- 这是一个多目标多参数无约束线性优化程序,其中包括三个具体的应用实例,对于解决非线性优化问题十分好用-This is a multiple target multi parameter non linear constrained optimization program, which includes three specific examples of application, to solve the nonlinear optimization problem is very easy t
GA_PSO
- 粒子群做非线性模型的参数估计,已检测很好用-nonlinear parameter estimation