搜索资源列表
LSM-with-genetic-factor
- 具有遗传因子的最小二乘法 ，遗忘因子的作用是加强新的数据提供的信息量，逐渐削弱老的数据，防止数据饱和。-The least squares method with genetic factors, the role of the forgetting factor is the amount of information provided by the new data, and to undermine the old data, prevent data saturation.
forgetting-factor-method-
- 考虑一个时变系统，经数字仿真，采用遗忘因子法的递推算法估计参数，有文字说明和源代码-Consider a time-varying systems, the digital simulation, the recursive method with forgetting factor algorithm to estimate parameters of a text and source code
CAR
- CAR模型MATLAB程序,考虑带时变参数的CAR模型，用遗忘因子RLS估计参数-CAR MODEL PROGRAMME
the-forgetting-factor-method-
- 系统辨识与参数估计中的遗忘因子法Matlab编程-the forgetting factor method of Matlab programming for System identification and parameter estimation
matlab
- test2: 一、 基本最小二乘法一次算法 二、 基本最小二乘法递推算法 三、 最小二乘遗忘因子一次完成算法 四、 最小二乘遗忘因子递推算法 五、 最小二乘限定记忆算法 六、 最小二乘偏差补偿算法 七、 增广最小二乘算法 八、 广义最小二乘算法 test3: 一、 辅助变量自适应滤波算法 二、 辅助变量纯滞后算法 三、 辅助变量Tally原理算法 四、 多级最小二乘算法 五、 各类改进最小二乘算法的特点 test4: 1、 第二类随
myrls
- 分析RLS算法中固定遗忘因子 的不同取值对算法性能的影响-The experiments show that how the fixed forgetting factor of RLS algorithm affects the performance of algorithm
guangyiyuce
- 根据三容水箱对象本身的特性，采用带遗忘因子的辅助变量最小二乘法对其CARIMA模型参数进行了辨识，并基于辨识所得到的参数模型，用广义预测控制方法对三容水箱的液位进行了控制。实验结果表明，采用此模型的广义预测控制算法有良好的控制效果。-According to the three characteristics of the object itself- tank, using an auxiliary variable with forgetting factor least squares m
FFRLS
- 开环系统参数辨识，带遗忘因子的递推最小二乘估计法（FFRLS)，系统为单入单出的CAR(带控制量的自回归模型）模型,三阶系统-Open-loop system parameter identification, recursive least squares estimation method with forgetting factor (FFRLS), SISO system of CAR (with a controlled amount of autoregressive model)
作业六遗忘因子
- 利用matlab实现遗忘因子最小二乘算法，绝对可以运行(Using MATLAB to realize the forgetting factor least square algorithm, it is absolutely possible to run)
newmarkb
- 考虑一结构系统 m*Xdd+k*X+c*Xd=y 利用已知Xdd（加速度），Xd（速度），X（位移），y(外荷载)系列数据，采用递归最小二乘法实现在线参数m、k、c识别，须考虑到“遗忘因子”。(Consider a structural system m*Xdd+k*X+c*Xd=y By using known Xdd (acceleration), Xd (velocity), X (displacement) and Y (external load) series data, rec
SSRLS
- 状态空间递归最小二乘（SSRLS）是确定性信号的线性估计的最优。 然而，SSRLS的性能取决于模型的不确定性，观测信号的时变性质或观测噪声的非平稳行为。 我们结合遗忘因子的随机梯度调整来开发具有自适应记忆的SSRLS。 这种新算法解决了标准SSRLS面临的局限性。 还导出了减轻计算负担的实际滤波器的近似值。 跟踪有噪声啁啾的示例表示并演示了新算法的整体能力和功能。 预计这种新滤波器能够跟踪和估计难以处理可用工具的时变信号(State Space Recursive Least Squares (