為了提高使用精度，研究了某型號MEMS陀螺儀的隨機漂移模型。采用游程檢驗法分析了 該陀螺儀隨機漂移數(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)的隨機過程的結(jié)論， 采用梯度徑向基（RBF）神經(jīng)網(wǎng)絡(luò)對漂移數(shù)據(jù)進行了建模。實驗結(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；相對于季節(jié)時間序列模型而 言，其補償效果提高了大約15％。
標簽： 精度
上傳時間： 2016-04-01
上傳用戶：weixiao99
RON 在資源分配網(wǎng)絡(luò)的學習過程中引入了滑動窗口和網(wǎng)絡(luò)結(jié)構(gòu)在線優(yōu)化的思想，使網(wǎng)絡(luò)能根據(jù)最 近一段時間內(nèi)的誤差信息自動實現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化，從而使RBF網(wǎng)既能在線適應對象的變化
標簽： RON 資源分配 網(wǎng)絡(luò) 窗口
上傳時間： 2014-01-19
上傳用戶：diets
基于MATLAB實現(xiàn)的說話人識別程序，分別用bp、pnn、som、RBF、lvq等算法，對語音文件進行訓練和測試，效果不錯。~..~ 下面說明一下bprengong程序： 數(shù)據(jù)分別用來訓練和測試兩部分。 具體程序分為兩部分，第一部分為：計算識別模型 變量v是mfcc處理以后的矢量。因為數(shù)據(jù)可能長短不一，所以放在同一進行截取。p的每一行代表一個語音數(shù)據(jù)（共15個）。變量Pr為每一行的最大最小值。變量T為目標值。輸出神經(jīng)元個數(shù)為15。 在訓練階段，如果用于訓練的輸入訓練樣本的類別標號為i（即語音數(shù)據(jù)的標號），則訓練時設(shè)第i個節(jié)點的期望輸出設(shè)為1。其余節(jié)點期望輸出均為0。 在識別時，當一個未知類別的樣本作用到輸入端時，考查各輸出節(jié)點的輸出，并將這個樣本的類別判定為輸出值最大的那個節(jié)點對應的類別。
標簽： MATLAB 識別 程序
上傳時間： 2016-05-23
上傳用戶：釣鰲牧馬
介紹神經(jīng)PID控制，包括：基于神經(jīng)元網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)等PID整定的講解和相關(guān)的源代碼
標簽： PID 控制
上傳時間： 2013-12-16
上傳用戶：edisonfather
神經(jīng)網(wǎng)絡(luò)matlab源程序，RBF網(wǎng)絡(luò)的。
標簽： matlab 神經(jīng)網(wǎng)絡(luò) 源程序
上傳時間： 2016-06-07
上傳用戶：gengxiaochao
非常難得的adaboost程序，包括3維adaboost adaboost and RBF 等，非常適合adaboost感興趣的初學者
標簽： adaboost 程序
上傳時間： 2014-01-09
上傳用戶：開懷常笑
Matlab寫得神經(jīng)網(wǎng)絡(luò)的訓練實例，包括BP，RBF，SOFM等多種網(wǎng)絡(luò)，適合初學者
標簽： Matlab 神經(jīng)網(wǎng)絡(luò)
上傳時間： 2016-08-03
上傳用戶：mpquest
Neural Networks ，8種神經(jīng)網(wǎng)絡(luò)，BP，RBF，CPN等通過VC++來實現(xiàn)了！
標簽： Networks Neural
上傳時間： 2014-01-07
上傳用戶：athjac
該源碼是用MATLAB語言編寫，目的是實現(xiàn)序列特征選卻和RBF網(wǎng)絡(luò)功能
標簽： MATLAB 源碼 語言 編寫
上傳時間： 2014-01-08
上傳用戶：skfreeman
一個很好用的自適應人工神經(jīng)網(wǎng)絡(luò)模型庫，包括ADALINE/RBF/多層前向等，另外內(nèi)含Demo，更易上手
標簽： 人工神經(jīng)網(wǎng)絡(luò) 模型庫
上傳時間： 2014-12-22
上傳用戶：gonuiln
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
