混沌時(shí)間序列局域法多步預(yù)報(bào)模型.doc(有程序下載) 針對(duì)混沌時(shí)間序列預(yù)測(cè)中用加權(quán)一階局域法單步預(yù)報(bào)模型進(jìn)行多步預(yù)報(bào)時(shí)計(jì)算量大且存在誤差累積效應(yīng)的不足，本文提出了基于相空間重構(gòu)技術(shù)的局域法多步預(yù)報(bào)模型，包括加權(quán)一階局域法多步預(yù)報(bào)模型和RBF神經(jīng)網(wǎng)絡(luò)多步預(yù)報(bào)模型。對(duì)幾種典型混沌序列的預(yù)測(cè)仿真表明，兩種模型對(duì)混沌時(shí)間序列的多步預(yù)報(bào)均較有效。
上傳時(shí)間： 2014-11-10
上傳用戶：gtf1207
SVM的例子程序，使用RBF，garma值為0.5。專(zhuān)業(yè)人士可以參考。有搞SVM參數(shù)優(yōu)化的人我們可以一起討論
上傳時(shí)間： 2014-12-05
上傳用戶：xmsmh
這是我在學(xué)校上人工神經(jīng)網(wǎng)絡(luò)的課程時(shí)做的課程設(shè)計(jì)的源程序，使用的是rbf神經(jīng)網(wǎng)絡(luò)。
標(biāo)簽： 人工神經(jīng)網(wǎng)絡(luò) 源程序
上傳時(shí)間： 2015-09-25
上傳用戶：愛(ài)死愛(ài)死
4輸入層，３隱層，２輸出層的RBF神經(jīng)網(wǎng)絡(luò)分類(lèi)器 附有測(cè)試和訓(xùn)練樣本
標(biāo)簽： 輸入
上傳時(shí)間： 2013-12-21
上傳用戶：leehom61
matlab寫(xiě)的神經(jīng)網(wǎng)絡(luò)的幾個(gè)演示程序，有的是自己寫(xiě)的，有的是根據(jù)別人寫(xiě)的改的，bp、rbf、pnn、hopfield等
標(biāo)簽： matlab 神經(jīng)網(wǎng)絡(luò) 程序
上傳時(shí)間： 2013-12-18
上傳用戶：zhenyushaw
本工具包主要是為對(duì)神經(jīng)網(wǎng)絡(luò)有興趣人士提供的一種方便，靈活的學(xué)習(xí)和研究軟件。 JNNT由java語(yǔ)言寫(xiě)成，具有跨平臺(tái)的優(yōu)越性能.java applet的演示版更簡(jiǎn)單到只需要任何機(jī)器上的瀏覽器就可以運(yùn)行，無(wú)需安裝任何大型附加軟件。更方便愛(ài)好者通過(guò)internet遠(yuǎn)程訪問(wèn)資源。 支持反向傳播算法(BP),LBG聚類(lèi)法和徑向基網(wǎng)絡(luò)(RBF)
標(biāo)簽： 工具包 神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2015-12-15
上傳用戶：manking0408
矩陣乘法是線性代數(shù)中最常見(jiàn)的運(yùn)算之一，它在數(shù)值計(jì)算中有廣泛的應(yīng)用。若A和B是2個(gè)n×n的矩陣，則它們的乘積C=AB同樣是一個(gè)n×n的矩陣。
標(biāo)簽： 矩陣 乘法 線性代數(shù) 運(yùn)算
上傳時(shí)間： 2016-03-12
上傳用戶：13681659100
本程序利用奇異值分解對(duì)3通道彩色圖像進(jìn)行壓縮分解，具體步驟如下： 壓縮過(guò)程： 1. 選取子圖像大小K值，把圖像分解成M×M個(gè)子圖像，IMG(s),s=1,2,…, M2，其中M=N/K，原始圖像IMG大小為N×N。 2. 計(jì)算這M2個(gè)子圖像的平均值average，對(duì)每幅子圖像減去均值圖像得到新圖像。 3. 計(jì)算相關(guān)矩陣R，其元素定義為 。 4. 計(jì)算R的特征值與特征向量，計(jì)算每幅子圖像與最大特征向量的內(nèi)積，便得到編碼，即壓縮后的圖像。
上傳時(shí)間： 2013-12-23
上傳用戶：chenxichenyue
:針對(duì)當(dāng)前電力機(jī)車(chē)調(diào)速系統(tǒng)存在的一些問(wèn)題，簡(jiǎn)要分析了直流電力機(jī)車(chē)調(diào)速原理，提出了 控制系統(tǒng)的硬件結(jié)構(gòu)，并且設(shè)計(jì)出Fuzzy + PID復(fù)合結(jié)構(gòu)的控制器，提高了控制系統(tǒng)的動(dòng)態(tài)響應(yīng)速 度和穩(wěn)態(tài)誤差 同時(shí)利用RBF神經(jīng)網(wǎng)絡(luò)自整定PID參數(shù)解決了PID控制中的參數(shù)整定問(wèn)題
標(biāo)簽： 電力機(jī)車(chē) 調(diào)速系統(tǒng)
上傳時(shí)間： 2013-12-19
上傳用戶：希醬大魔王
為了提高使用精度，研究了某型號(hào)MEMS陀螺儀的隨機(jī)漂移模型。采用游程檢驗(yàn)法分析了 該陀螺儀隨機(jī)漂移數(shù)據(jù)的平穩(wěn)性，并根據(jù)該漂移為均值非平穩(wěn)、方差平穩(wěn)的隨機(jī)過(guò)程的結(jié)論， 采用梯度徑向基（RBF）神經(jīng)網(wǎng)絡(luò)對(duì)漂移數(shù)據(jù)進(jìn)行了建模。實(shí)驗(yàn)結(jié)果表明：相比經(jīng)典RBF網(wǎng)絡(luò)模 型而言，這種方法建立的模型能更好地描述MEMS陀螺儀的漂移特；相對(duì)于季節(jié)時(shí)間序列模型而 言，其補(bǔ)償效果提高了大約15％。
標(biāo)簽： 精度
上傳時(shí)間： 2016-04-01
上傳用戶：weixiao99
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
