類神經網路，MLP程式碼，可以計算多層架構之類神經網路運算~C
標簽：
上傳時間： 2013-12-28
上傳用戶：txfyddz
災色統計聚類的matlab源碼，可用來進行統計分析，計算白化與灰化的情況
標簽： matlab
上傳時間： 2015-10-27
上傳用戶：1583060504
一個MATLAB範例，可以用來計算分形盒維度
標簽： MATLAB
上傳時間： 2016-03-16
上傳用戶：星仔
目前網路流行的網頁遊戲（travian）,配合firefox排程外掛，可以協助玩家計算建築物排程，本程式為javascript+xml方式，適合ajax初學者使用學習，請務必掛於伺服器中才能穩定執行
上傳時間： 2016-08-05
上傳用戶：ls530720646
這是一個求數獨遊戲的m-file 在matlab的命令窗口 鍵入>> sudo7 或者run sudo7 的m-file 之後在 9x9 的方格內 填入 數獨的問題 按下 "計算是否有解" 的功能鍵 若不是存在多組的解，則可以 按下 "顯示結果" 的功能鍵， 也可以載入作者測試的"date1"或"date2" 但不可載入及修改"condition"
上傳時間： 2016-11-18
上傳用戶：waizhang
抗多徑衰落是正交頻分復用（OFDM）系統的顯著特點之一。具體分析了 OFDM 抗多徑的機理，說明了兩種不同情況下多徑對信號頻譜的影響，并提出了相應的減輕多徑影響的方法。通過仿真分析驗證了HiperLAN Type2 標準規定的 OFDM 系統的抗多徑性能，并提出了一些改善系統性能的方法。 關鍵詞：正交頻分復用；多徑信道；循環前綴；信道
上傳時間： 2016-06-05
上傳用戶：mengmeng
交叉耦合控制；多軸運動位置同步的無模型交叉耦合控制；同步控制器
上傳時間： 2016-07-20
上傳用戶：ss183968ss
通 用 測 試 系 統 能 夠適 應 多 樣 化 的 儀 器 控 制 方 式 以 及 通 信 方 式 ，實 現 測 量 儀 器 的 通 用 化控 制 ，減 輕 測 試 人 員 的 測 試 壓 力， 提 高測 試 效 率 ； 該 系 統 基 于 安 捷 倫 的 多 種 測 量 儀 器 ， 以 VISA_COM技 術 和 SCPI 儀 器 控 制 語 言 為 重 要 支 撐；結 合 模 塊 化 的 方 法 進 行 開 發系 統 通 過 對 GPIB、USB和LAN等 多 種 形 式 通 信 接 口 的 靈 活 調 度 實 現 對 測 量 儀 器 的 控制以 及 控 制 命令 和 實 驗數 據 的 傳 輸，并 具 有 處 理 和可視 化 實 驗 數 據 的 能 力 ； 系 統接 口 形 式 多 樣 、人 機 交 互 友 好 、擴 展 性 好 ，降 低 了 測 量 儀 器 的 使 用 復雜 度 ，簡 化 了 測 量 流 程，提 高 了 測 試 效 率 ，為 各 型 號 測 試 工 作 提供 了 較 好 的 支 持 。
上傳時間： 2022-01-16
上傳用戶：
近些年來，云計算與移動云計算迅速發展，隨之而來出現的問題是由于智能終端的數量和處理器計算能力能力的增加，越來越多的計算密集型應用應用被卸載到云端，這樣就給核心網絡造成很大的負載，從而不能滿足那些對延遲敏感的應用，所以移動邊緣計算就因此產生。它通過將計算、存儲等資源部署在網絡的邊緣，能快速地處理任務并傳輸。但是由于用戶終端的移動性，需要考慮的一個很重要的問題就是當服務厥量受到位置影響時應當采取什么措施。合理的計算切換能夠很好地解決這個問題。在移動邊緣計算中，什么時候進行計算切換以及切換到哪里是切換問題的關鍵。本文研究了計算切換的具體過程、影響計算切換的因素及管理體系，提出了計算切換的管理框架。在考慮任務完成時間、移動終端能耗和任務完成成本這些因素影響的基礎上并根據切換管理的框架和具體的判決準則，提出了簡單加權法、熵值法和基于理想解排序的這三種多屬性決策計算切換筧法。最后在實驗部分對這三種多屬性決策計算切換算法進行仿真實驗，在根據實驗結果對三種算法的性能進行分析，然后再研究計算量與數據量變化對算法性能的影響。實驗結果表明：采用多屬性切換決策的方法要優于不切換和總是發生切換的決策，并且在多屬性決策的方法中，班想解排序的方法要優于簡單加權法和值法，并且任務的完成時間、移動終端能耗、和任務的執行成本隨著終端移動速度的增大而有明顯減少，說明基于閾值的判決準則和多屬性切換決策算法適用于移動邊緣計算中的計算切換。關鍵詞：移動邊緣計算：計算切換：判決準則；多屬性決策
標簽： 移動邊緣計算
上傳時間： 2022-03-11
上傳用戶：ttalli
1.針對一類參數未知的非線性離散時間動態系統，提出了一種新的基于神經網絡的MMAC方法。首先，將系統分為線性部分和非線性部分。針對系統線性部分采用局部化方法逮立多個固定模型覆蓋系統的參數范圍，在此基礎上，建立自適應模型來提高系統性能；針對系統非線性部分建立非線性神經網絡預測模型來邏近系統的非線性。然后，針對每個子模型設計相應的擅制器。最后，設計基于誤差范數形式的性能指標函數對控制器進行硬切換。仿真結果表明，所提出的MMAC方法與傳統的在參數空間均勻分布的MMAC方法相比能顯著提高非線性系統的暫態性能。2針對一類具有參數跳變的非線性離散時間動態系統，提出子一種基才聚類方法和神經網絡的MMAC方法，首先，采用模糊c均值聚類算法對系統先驗數據進行分類處理，再分別對每類數據采用RLS算法建立多個固定模型。在此基礎上，建立兩個白適應模型來提高系統響應速度和控制品質，建立神經網絡預測模型來補償系統非線性。然后，分別針對相應的子模型設計線性魯棒自適應控制器和神經網絡控制器。最后，采用基于信號有界和測量誤差的性能切換指標對控制器進行切換，并證明閉環系統的穩定性。仿真結果表明，所提出的算法能更好地解決非線性系統發生參數跳變問題，使得系統具有良好的控制品質3.針對MMAC方法中的模型庫優化問題，考慮系統實際運行數據，提出了種基于相似度準則和設置最大模型數的動態優化模型庫方法。該方法能對新數據進行綜合考量并判斷是否應該將該數據納入子模型建模，并通過設置最大模型數來確保系統用最少的子模型就能保證系統的控制性能。仿真結果表明，所提出的算法能極大地減少子模型數量且具有較好的控制效果。關鍵詞：非線性系統；多模型方法；自適應控制；模糊聚類；神經網絡
標簽： 自適應控制
上傳時間： 2022-03-11
上傳用戶：
