为了提高使用精度，研究了某型号MEMS陀螺仪的随机漂移模型。采用游程检验法分析了 该陀螺仪随机漂移数据的平稳性，并根据该漂移为均值非平稳、方差平稳的随机过程的结论， 采用梯度径向基（RBF）神经网络对漂移数据进行了建模。实验结果表明：相比经典RBF网络模 型而言，这种方法建立的模型能更好地描述MEMS陀螺仪的漂移特；相对于季节时间序列模型而 言，其补偿效果提高了大约15％。

4. 试将感知机学习算法用C语言编成程序，并做下述的 维随机矢量 的二值分类的模拟实验： （1） 用程序产生M个均值为0，方差为1的正态随机矢量（取维数 ，即 ， ；每个 为服从N(0,1) 分布的随机变量）。要求产生三组矢量（分别取M=10,20,30）, 分别用每组矢量训练一个感知机模型。对于每个训练矢量 ，给定其理想输出为 。在每组训练收敛后，再产生30个新矢量，用来检验所得到的感知机的分类性能。对每一组结果要给出收敛时所用的迭代次数 ，收敛时的权矢量值 ，和检验时所达到的正确分类率