搜索资源列表
rbf_mems
- 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％。
application_of_special_person_on_ASR_for_the_contr
- 常用的说话人识别方法有模板匹配法、统计建模法、联接主义法(即人工神经网络实现)。考虑到数据量、实时性以及识别率的问题，采用基于矢量量化和隐马尔可夫模型(HMM)相结合的方法。 说话人识别的系统主要由语音特征矢量提取单元(前端处理)、训练单元、识别单元和后处理单元组成，
Neural-Network-
- 数学建模中基于matlab的神经网络算法-Mathematical modeling of neural network algorithm based on matlab
RBF
- 基于氯乙烯精馏的软测量改进的PSO-RBF神经网络建模-Soft-sensor Modeling of Rectification of Vinyl Chloride Based on Improved PSO-RBF Neural Network
Artificial-network
- 包括神经网络的主元处理，回归算法，建模数据集的源码，bp，rbf设计实例-Artificial neural network n
CCPP-based-on-BP-net
- 基于BP神经网络对联合循环发电厂每小时满负荷电功率进行建模。-BP neural network based on a combined cycle power plant of electric power per hour at full load modeling.
phd-elm2
- 一篇博士论文-关于极限学习机及其在系统辨识和建模方面中的应用。极限学习机是近年来出现的一种批处理学习的神经网络，值得研究-a phd thesis on the applicaiton in system identification of ELM, which is a newly developed learning machine
Water-Distribution-System-Modeling
- 基于系统辨识理论和数据驱动建模方法，建立了供水管网 NARX（Nonlinear Auto-Regressive with eXogenous Inputs）神经网络模型-Based on system identification theory and data driven modeling method, a neural network model of water supply network is established.
matlab
- 对具有随机噪声的二阶系统的模型辨识，进行标幺化以后系统的参考模型差分方程为 (7.90) 式中， 为随机噪声。由于神经网络的输出最大为1，所以，被辨识的系统应先标幺化，这里标幺化系数为5。利用图7.5正向建模(并联辨识)结构，神经网络选用3-9-9-1型，即输入层i，隐层j包括2级，输出层k的节点个数分别为3、9、9、1个； -Model identification of two order systems with stochastic noise