搜索资源列表
BP
- BP神经网络：是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。-BP neural network: a Press the front back propagatio
StandardBPalgorithmCode
- 该代码是基于标准BP算法训练样本数据的代码，压缩包里包含代码和样本数据。 BP(Back Propagation)神经网络，即信号的正向传播+误差的反向传播，该网络是应用最广泛的一种神经网络模型。BP网络的设计主要包括输入层,隐层,输出层及各层之间的权值、阈值及传输函数等几个方面。-The code is based on code standard BP algorithm training data, compression bag containing the code and sampl
ARburg
- 基于burg法的AR建模，根据信号序列x和阶次p计算AR模型参数和误差，返回模型参数及误差功率。方便定阶及功率谱计算。-Time series analysis of AR model, based on burg method，rectifiable the power of residual squares, easy to determine the model order and compute the power spectral density.
experiment4
- 测量平差，采用简介平差模型，并能进行精度评定，同时确定误差椭圆元素-survey adjustment, precision estimation, ellipse parameters
gm1
- 灰色模型GM(1,1)，可以计算出参数，预测值，误差，绘图-Grey model GM (1, 1), parameters can be calculated and predicted value, the error of the drawing
LMS
- 基于AR模型的最小均方误差，自适应滤波算法-AR model based on minimum mean square error, adaptive filtering algorithm
Inertial-Navigation-System-program
- 严恭敏老师编写的SINS的Matlab仿真程序，包括大方位误差角扩展卡尔曼（EKF），滤波初始对准仿真，静态惯导/星敏感器组合，大姿态误差角非线性状态模型，UKF滤波。-Yan Gong Min teacher preparation SINS of Matlab simulation program, including large azimuth error extended Kalman (EKF), filtering initial alignment simulation, stat
IMM
- 1.IMM.m 主要功能： （1）IMM算法的实现； （2）画出目标轨迹与利用IMM算法跟踪目标的轨迹； （3）画出位置误差与速度误差； （4）画出模型混合概率图。 2.Target_track.m 主要功能： 实现目标轨迹的产生。 3.Model_mix.m 主要功能： 实现IMM算法下，各模型的估计融合。 4.Kalman.m 主要功能： 实现模型的条件滤波，以及似然函数的输出。-1.IMM.m main functions: (1)
MTF
- Kal man 滤波是一种应用非常广泛的状态估计算法 基于信息融合的 Kal man 滤波包 括状态向量融合和测量融合两种方法 传统的 Kal man 方法 TTF 具有较低的估计误差和很长的计算时间 提出的状态向量和测量向量的融合模型 MTF 利用局部融合信息给出一种更好的状态估计 计算时间短 性能也比 TTF 高-Conventi onal Kal man filt er TTF based on i nf or mati on f usi on i ncl udes t Wo
BP
- 误差反传网络(BP)特点：1)对原始数据的分布型式无要求；2)已知模型的类型应比较全面；3)适用于多目标模式识别；4)外推能力有限；5)定性数据和定量数据混合处理；6)当加入新模型时需要重新训练网络；7)不能用于数据插值。 -1) the distribution pattern of the original data requirements 2) known model types should be more comprehensive 3) suitable for multi
eg1_huise27
- 利用灰色模型进行电力负荷预测，输出预测数值及其与实测值的误差曲线-power load forecasting by Grey model
code
- 1.CAmodelfusion.m 主要功能： （1）完成两个传感器各自对基于CA模型的目标状态的Kalman估计； （2）实现传感器的局部状态估计的SCC和CI融合算法的实现； （3）画出局部估计和两种融合估计的位置、速度、加速度的误差； （4）画出局部估计和两种融合估计的协方差椭圆。 2.CVmodelfusion.m 主要功能： 功能与CAmodelfusion.m基本相似，差异在于实现基于CV模型的估计和估计融合。 3.CovInter.m
ins_tool
- 惯性导航的常用的误差仿真模型，仿真工具箱，基于MATLAB编写，有IMU仿真输出-Inertial navigation commonly used error simulation model, simulation toolbox based on MATLAB prepared with IMU simulation output
MusicSimulationIdeal
- 理想模型下的MUSIC算法仿真，即不考虑通道误差的情况下-The simulation of MUSIC algorithm in the ideal situation
cross-validation
- 交叉验证(Cross-validation)主要用于建模应用中，例如PCR 、PLS 回归建模中。在给定的建模样本中，拿出大部分样本进行建模型，留小部分样本用刚建立的模型进行预报，并求这小部分样本的预报误差，记录它们的平方加和。这个过程一直进行，直到所有的样本都被预报了一次而且仅被预报一次。把每个样本的预报误差平方加和，称为PRESS(predicted Error Sum of Squares)-Cross-validation, sometimes called rotation estim
NMSE
- 通信NMSE,功放模型得到的数值计算结果业界一般采用归一化均方误差（Normalized Mean Square Error, NMSE）来表征计算精度-Communication signals NMSE, pa model to get the results of numerical calculation of the industry generally adopts the Normalized mean square error (Normalized Characteri
PA
- 无记忆功放模型的建立,建立的功放模型得到的数值计算结果业界一般采用归一化均方误差（Normalized Mean Square Error, NMSE）-Power amplifier without memory model, the numerical calculation results of the mathematical models of power amplifier in the industry generally adopts the Normalized Mean Sq
5
- BP学习算法逼近墨西哥草帽函数 在Windows环境中利用Matlab实现BP学习算法在达到期望均方误差最小的情况下正确表达墨西哥草帽函数。 实验目的：1.理解BP神经网络结构模型，初步了解BP网络的用途。 2.学习BP学习算法，掌握误差往回传播网络的构建思想。 3.能够正确使用BP学习算法表达墨西哥草帽函数。 -BP learning algorithm Mexican hat function approximation BP learning algorithm
plot_ellipse
- 反演问题的误差椭球及及在各个模型空间的投影，应用与得到模型参数的置信区间。-Error ellipsoid and the inverse problem and the projection of each model space, the application of the model parameters and obtain confidence intervals.
Matlab
- 为了提高四足机器人在复杂环境下的适应性,重点研究了采用飞行时间(TOF)原理相机的四足机器人环境感知策略并改进了地形识别及路径规划算法.首先采用高斯过程回归(GPR)模型对TOF相机的距离数据进行误差校正,解决了采用传统多项式或三角函数模型进行误差修正时模型阶次过高及函数组合复杂的问题.基于得到的环境深度信息,采用数字高程模型(DEM)进行地形描述,并通过计算各栅格的坡度、粗糙度、起伏度对地形进行识别.粗糙度由该栅格所处的坡度平面与其8邻域高程点的离散程度进行计算,避免了采用高程方差计算时对粗糙