搜索资源列表
BP-
- 基于改进BP 神经网络的移动机器人寻线控制神经网络系统具有自学习和自适应的能力，同时有很强的容错性和鲁棒性，适用于处理难于语言化的模式信息。为使移动机器人沿地面标志线自主运动，采用CCD 图像传感器与PC/104总线相结合的硬件系统，运用神经网络的模式识别功能，实现了机器人的寻线控制，实验结果表明该方法是可行的，能有效地提高移动机器人对环境的适应性和其智能化水平。- Neural Network has the ability of self-learning and self-adaptati
BPidentification
- 本程序用BP神经网络实现对十六进制数字的识别.首先将进行数字化处理并建立BP神经网络。然后进行无噪声训练及进行有噪声训练.最后进行识别及测试网络的容错性. -This procedure using BP neural network identification of hexadecimal digits First digitized and the establishment of BP neural network.The establishment of BP neural
fault-tolerant-federated-filter
- 自适应的动态信息分配方法,联邦滤波的信息分配原则直接影响滤波器的容错性和精度.考虑到故障隔离后的子系统不能参与联邦滤波器的信息分配,首先联邦滤波器的故障检测方法 然后通过引入故障因子,将系统的信息分配和故障状态综合考虑.-The adaptive dynamic information distribution method, the federal filtering the information distribution principles directly affect the fau
Douglas-Peuker
- Douglas一Peukcer算法由D.Douglas和T.Peueker于1973年提出，简称D一P算法，是目前公认的线状要素化简经典算法。现有的线化简算法中，有相当一部分都是在该算法基础上进行改进产生的。它的优点是具有平移和旋转不变性，给定曲线与阂值后，抽样结果一定。 算法的基本思路是:对每一条曲线的首末点虚连一条直线,求所有点与直线的距离,并找出最大距离值dmax ,用dmax与限差D相比:若dmax < D ,这条曲线上的中间点全部舍去 若dmax ≥D ,保留dmax 对应的
PNN网络代码
- 概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(Probabilistic neural network was first proposed by Dr. D.F.Speeht in 1989. It is a branch of radial