搜索资源列表
BPwnn
- 讨论了BP 小波神经网络在训练过程中减小误差函数时最优方向的确定和自适应调整学习率的方法。 首先论证了小波神经网络的数学基础,然后讨论了BP 小波神经网络的学习过程,重点讨论了减小误差函数最优方 向的确定方法,即如何保证步长方向与负梯度方向一致,由此得出了自适应调整学习率的简便方法。该方法具有 普遍性,有广泛的应用价值。仿真结果表明,采用最优梯度下降方向可以大幅度提高BP 小波神经网络的学习速 度。
111
- 自适应小波去噪算法研究,对于想深入学习小波的人，帮助是很大的呀！-Adaptive Wavelet Denoising Algorithm, for people who want in-depth study of wavelet and help is a great good!
intellectual
- 探讨了动量系数和学习率自适应调整的神经网络算法, 给出了动量系数和学习率的调整方法, 并作为机械故 障的特征识别方法, 以小波分析技术作为机械故障特征信号的提取手段, 由此建立了基于小波与自适应神经网络 的旋转机械故障智能诊断系统, 给出了诊断系统的训练学习方式和工作方式, 通过实际测试数据的诊断结果说明此诊断系统对故障诊断是有效的。-intelligent dignose it is very useful
ewt
- 经验小波变换，一种新的自适应信号处理方法-Empirical wavelet transform, a new adaptive signal processing method
wind power forecasting based on EWT-KELM
- 针对短期风电功率预测，提出一种基于经验小波变换预处理的核极限学习机组合预测方法。首先采用 EWT 对风电场实测风速数据进行自适应分解并提取具有傅立叶紧支撑的模态信号分量，针对每个分量分别构建 KELM 预测模型，最后对各个预测模型的输出进行叠加得到风速预测值并根据风电场风功特性曲线可得对应风电功率预测值。(Aiming at short-term wind power prediction, a kernel-based learning machine combination predicti