搜索资源列表
GSAA
- 模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始-S
Source-Localization-in-UWSAN
- 文章针对低信噪比下的水下目标定位问题，建立了水下无线传感器阵列网络，该结构包括多个分布式声传感器阵列，它适应于多模态信号处理，既可以利用目标的方位信息，又可以用能量信息。文中提出了用每个阵列接收到的信号能量作为参量完成目标定位并推导了基于能量的最大似然比目标定位方法。数值仿真表明：基于该结构的能量似然函数定位方法，可以有效估计目标的位置。并且比单阵元网络的定位性能和信息传输率上有了较大的提高， 尤其是在低信噪比下情况下，可以大大减小估计的方差。-With novel underwater wir
ant_wsn
- 为了在无线传感器网络中降低能耗和最大化网络生存期,提出一种能量高效的数据收集算法 (energy-efficient data gathering algorithm, EEDGA)。该算法利用移动代理模型在网络中进行数据收集。首先, EEDGA根据监测精度的要求控制活动节点的数量 然后,通过求最小支配集得到具体的工作节点 最后,利用蚁 群算法规划移动代理迁移的最优路线,移动代理以渐进方式收集活动节点的监测数据。仿真结果表明,与典型算 法相比,该算法具有更低的能耗和更长的网络生存
single_node_multi_node
- 认知无线电中基于能量检测的协作频谱感知，考虑信噪比和检测概率的关系。分别 输出单结点和3结点的理论值与仿真值。-Cognitive radio based on energy detection cooperative spectrum sensing, consider the relationship between SNR and probability of detection. Respectively output nodes and three single-node theore
egcix
- 仿真效果非常好，可以实现模式识别领域的数据的分类及回归，能量熵的计算。- Simulation of the effect is very good, You can achieve data classification and regression pattern recognition, Energy entropy calculation.
第一次实验Adaline
- 熟悉Kosko型双向联想记忆网络的原理与结构，通过仿真实验掌握具体实现方法，了解该网络的功能及性能，加深对该类网络的稳定状态和能量函数等概念的理解。(We are familiar with the principle and structure of Kosko bidirectional associative memory network. We can grasp the specific implementation method through simulation experime