搜索资源列表
自适应神经网络在确定落煤残存瓦斯量中的应用
- 落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系。人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法。基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快 该预测模型的应用可为采掘工作面瓦斯涌
Elman
- 利用Elman网络对信号的幅度进行检测，能够正确输出时变信号的幅度值。本源码中假设信号由幅度分别为1和2的正弦信号交替变化构成-Elman network use the magnitude of the signal detection, can correct the output signal range of time-varying value. Assuming the source signal by the magnitude of 1 and 2 constitute a ch
invertedpendulum
- 倒立摆是一种复杂、时变、非线性、强耦合、自然不稳定的高阶系统，许多抽象的控制理论概念都可以通过倒立摆实验直观的表现出来。基于人工神经网络BP算法的倒立摆小车实验仿真训练模型，其倒立摆BP网络为4输入3层结构。输入层分别为小车的位移和速度、摆杆偏离铅垂线的角度和角速度。隐含层单元数16个。输出层设置为1个输出单元。输入层采用Tansig函数，隐含层采用Logsig函数，输出层采用Purelin函数。用Matlab 6.5数值计算软件对模型进行学习训练，并与线性反馈控制逻辑算法对比，表明倒立摆控制B
PIDNN-control
- 用PID神经网络进行时变单变量非线性系统的控制，模型为：y(k)=a*sin(b*y(k-1))+1.2*u(k-1)-a example for PID neural network control
bzqmbgz
- 变周期RPEKF时延纯方位角目标跟踪算法在目标跟踪的应用-Pure variable delay period RPEKF Target Tracking Algorithm Applied in Target Tracking
MapBuilding
- 本程序所采用的基于栅格的地图表示方法即将整个环境离散化为规则的基本单元，二维栅格，对于每个栅格指出其中是否存在障碍物，通过对栅格的描述实验环境的建模。目前，这种方法已经在许多机器人系统中得到应用，是使用较为成功的一种方法。栅格地图的优点是：易于创建和维护，且不需要明确的几何参数。栅格地图的缺点是：当栅格数量增大时(在大规模环境或对环境划分比较详细时)，对于地图的维护所占用的内存和CPU时间迅速增长，使计算机的实时处理变得很困难，也就是说刚栅格表示的环境地图，环境空间的分辨率与栅格尺寸的大小有关，
simulated-annealing-algorithm--cPP
- 模拟退火算法是通过赋予搜索过程一种时变且最终趋于零的概率突跳性，从而可有效避免陷入局部极小并最终趋于全局最优的串行结构的优化算法-Simulated annealing algorithm is the search process by giving a time-change and ultimately tends to zero the probability of jumps, and thus can effectively avoid falling into local min
ILmethod
- 迭代学习理论，迭代学习法控制机器人.比如机械臂轨迹控制，线性时变连续系统迭代学习-iteration learning method to control robot
SimuAPSO
- 基于模拟退火的粒子群优化算法。基本粒子群优化算法中,虽然粒子速度作了限制,不会变化太大,但位置更新时未作限制,就有可能新的位置会变得很坏,引起收敛速度缓慢,所以对更新的位置也要作限制-Particle swarm optimization algorithm based on simulated annealing
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
IPSO
- 结合LPSO和GPSO的优点，该MATLAB程序实现一种时变参数的改进粒子群优化（IPSO） 算法。在IPSO中，粒子在向全局最优和局部最优粒子学习的同时，还向种群中最优粒子学习，因此具有较强的全局寻优能力。-Combined with the advantages of LPSO and GPSO, the MATLAB program implements a modified particle swarm optimization (IPSO) algorithm with time-va
mx743
- 包含位置式PID算法、积分分离式PID，三相光伏逆变并网的仿真，详细画出了时域和频域的相关图。- It contains positional PID algorithm, integral separate PID, Three-phase photovoltaic inverter and network simulation, Correlation diagram shown in detail the time domain and frequency domain.
multiagent-coordination
- 分布式多智能体协调控制，具有切换拓扑结构的，时不变和时变系统-distributed solution to multi-agent coordination, consensus or agreement problems，multi-agent cooperative control
mb331
- 基于SVPWM的三电平逆变的matlab仿真，线性调频脉冲压缩的Matlab程序,用于时频分析算法。- Based on SVPWM three-level inverter matlab simulation, LFM pulse compression of the Matlab program, For time-frequency analysis algorithm.
kei_kf26
- 结合PCA的尺度不变特征变换(SIFT)算法，基于互功率谱的时延估计，毕业设计有用。- Combined with PCA scale invariant feature transform (SIFT) algorithm, Based on the time delay estimation of power spectrum, Graduation usefu.
短时功率谱密度
- 语音信号是一个非平稳时变的信号，所以用计算稳态信号的方法计算功率谱密度函数没有太大意义，看不出信号的动态变化，"gonglvpu"给出计算短时功率谱密度函数(Speech signal is a non-stationary time-varying signal, so it is not very meaningful to calculate the power spectral density function by calculating the steady-st
机器学习之随机森林
- Bagging是并行式集成学习方法最著名的代表，Bagging通常对分类任务使用简单投票法，随机森林（RF）是Bagging的一个扩展变体，RF在以决策树为基学习器构建Bagging 集成的基础上，进一步在决策树的训练过程中引入了随机属性选择。在RF中，集成模型的每棵树构建时所需的样本都是由训练集经过有放回的随机抽样得来（即自助采样法bootstrap sample）。