搜索资源列表
TextureRec
- 纹理分析：打开一个.BMP文件后计算其纹理特征，能知道其能量，熵，惯性矩，局部平稳性，和相关系数.
finance
- 针对金融时间序列分析中注重快速作出趋势判断的特点,利用数据挖掘的思想和工具,提出 一种金融时间序列模式快速发现算法. 与传统的预测算法相比较,该算法对数据的分布和平稳性等 方面的要求不高,不基于任何假设,能够非常快速地发现时间序列中的频繁模式,经过模式匹配后, 可以用于金融时间序列的分析与预测. 以实际汇率数据为例,证明了该算法的有效性-Financial time series analysis for rapid prediction of trend-oriented feat
331
- 针对齿轮箱振动信号的非平稳性和非线性, 提出一种多重分形和支持向量机相结合的故障 诊断方法。运用多重分形理论方法对齿轮振动信号进行分析, 通过分析发现多重分形谱和广义维数作 为故障特征能够很好地反映齿轮箱的工作状态 对支持向量机的参数利用粒子群优化算法进行优化, 并 将齿轮箱振动信号的多重分形特征量作为支持向量机的输入参数以识别齿轮的故障类型。实验结果表明, 该方法在样本较小的情况下能够准确对齿轮箱的故障类型进行分类-Gearbox vibration signal of non-s
6DOF-Trajectory-Planning
- 通过对六自由度机械臂的轨迹规划的具体分析!基于其运动学模型的算法的模拟实现!关节空间中的轨迹规化等方面的全过程的研究,阐述了机器人轨迹规划的一般规律"运用的规划方法可以很好解决在机械臂在工作过程中的平稳性,以及控制时的实时性和精确性等矛盾问题" -Through the six degrees of freedom manipulator trajectory planning of specific analysis! Algorithm based on its kinematic mo
An-Improved-A--Star-Algorithm
- （被EI收录，不错的文章）传统A*算法在栅格地图上进行路径规划时，求解得到的路径长度不是最短并且转折点较多。针对这些不足，提出了一种改进A*算法，将传统A*算法的可搜索邻域个数从离散的8个拓展为无限个，可以沿任意方向进行搜索。这样不仅求解出来的路径长度更短，并且大大降低了其转折点的个数。该算法被应用于自主研发的“智能先锋”号系列无人驾驶车辆上，实车试验以及它们在“中国智能车未来挑战赛”中的优异表现证明该方法能够在栅格地图中求解出一条更优的可行驶路径，可以显著提升无人驾驶车辆行驶的效率和平稳性。-
LFMfangzheng
- 在很多实际场合下，平稳性的假设往往不能成立，此时就需要引入非平稳信号或时变信号的分析与处理。所谓的时变是指信号的统计特性随时间变化。由于信号的这种性质，传统的傅立叶分析方法无法令人满意。对于时变信号，了解不同时刻附近的频域特征是至关重要的，因此，人们往往采用时间－频率联合描述的方法描述时变信号。-In many practical situations, stationarity assumptions often can not be established, then we need to
1709.04326
- 多智能体设置在机器学习中的重要性日益突出。超过了最近的大量关于深度的工作多agent强化学习，层次强化学习，生成对抗网络和分散优化都可以看作是这种设置的实例。然而，多学习代理人的存在这些设置使得培训问题的非平稳常常导致不稳定的训练或不想要的最终结果。我们提出学习与对手的学习意识（萝拉），一种方法，原因的预期。其他代理的学习。罗拉学习规则包括一个额外的术语，解释了在预期的参数更新的代理政策其他药物。我们发现，利用似然比策略梯度更新的方法，可以有效地计算萝拉更新规则，使该方法适合于无模型强化学习。这