当前位置：
首页 资源下载
搜索资源 - residual error matlab
搜索资源列表
-
2下载：
最小均方误差估计（MMSE）语音增强算法，算法简单有效，无残余音乐噪声-Minimum mean square error estimation (MMSE) speech enhancement algorithm is simple and effective, non-residual musical noise
-
-
1下载：
数据处理及误差分析采用了matlab软件来实现，它的界面虽然没有VB等直观简便，但其可调用的函数多，实现起来比较方便，程序中已经实现的功能有：
（1）求算术平均值；
（2）求残余误差（绝对误差）；
（3）求标准差；
（4）判断粗大误差，如果发现粗大误差,剔除粗大误差后再进行计算；
（5）判断数据是否具有线性误差或者周期性误差。
-Data processing and error analysis using matlab software to achie
-
-
0下载：
一个非常完整的ofdm程序。接收端采用的算法和程序流程与发送端发送的OFDM符号的帧结构有关系。包括具体的帧结构，以及定时估计，频偏估计，剩余误差跟踪的算法-Ofdm a very complete program. Receiver using the algorithm and program flow with the sender sends the frame structure of OFDM symbols are related. Including specific frame
-
-
0下载：
一个PLS的matlab程序，包括求残差矩阵求回归方程的系数，删除回归分析的常数项，求误差平方和。-A PLS matlab procedures, including seeking residual matrix coefficients of the regression equation, deleted regression constant term, seeking the error sum of squares.
-
-
0下载：
把Carstensen和Jun Hu（见SIAM JNumer Anal，2007，107：473—502）建立的残差型误差指示子，移植到特征值问题EQ1^not元近似。给出了Matlab程序，计算结果说明该指示子是有效和可靠的。-The Carstensen and Jun Hu (see SIAM JNumer Anal ,2007,107:473-502) to establish the residual type error indication son, transplanted t
-
-
0下载：
第一个是标准差，用于算数学模型均值，评价模型的平均量
第二个熵，用于评价信息量的大小，熵越大信息量越大。
第三个用于pcnn模型,评价是否接近理论模型,残差越小，就越接近理论模型-The first is the standard deviation, the mathematical model is used to calculate the mean, the average amount of uation model.
The second entropy, to ua
-
-
2下载：
带残差模型灰色预测模型.GM(1,1),残差,matlab-The grey prediction model with residual error model
-
-
0下载：
灰色预测模型GM（1,1）简单的利用matlab实现(By changing the boundary conditions of the grey forecasting model of the residual Error cent rank processing, Make the original Synergetic prediction Model precision and prediction accuracy is higher.)
-
-
0下载：
蒙特卡洛算法也常用于机器学习，特别是强化学习的算法中。一般情况下，针对得到的样本数据集建立相对模糊的模型，通过蒙特卡洛方法对于模型中的参数进行选取，使之于原始数据的残差尽可能的小。从而达到建立模型拟合样本的目的。(Monte Carlo algorithm is also commonly used in machine learning, especially in reinforcement learning algorithm. In general, a relatively fuzzy
-
