模式識別分類器的設計，此為LMS法源碼，經調試通過。所用數據為標準IRIS。
上傳時間： 2014-01-15
上傳用戶：cx111111
自適應濾波器程序，選用電力系統諧波信號作為輸入。其中包括了wiener濾波器，kalman濾波器，LMS算法，RLS算法，LSL算法，FTF算法。所有程序均為本人自編，并且標注了編程所參考的書籍及頁數，經過調試，完全正確，請放心使用。
上傳時間： 2013-12-10
上傳用戶：chens000
數值計算算法，包括： （1）Lagrange插值 （2）Newton 插值 （3）求f(x0)：秦九韶法 （4）求實系數多項式f(z0)。z0為復數（5）二分法求f(x)=0的根 （6）弦截法求f (x)=0的根 （7）求實系數多項式 方程的實根、復根 （8）解線性方程組：Gauss列主元素消去法( 9 )快速弗利葉變換（FFT）
上傳時間： 2016-11-15
上傳用戶：a3318966
包括二分法，Newton下山法和improved Newton迭代法
標簽： 分
上傳時間： 2016-11-19
上傳用戶：yoleeson
matlab實現陷波器，采用的是LMS 算法實現，能將特定的正弦信號濾去
上傳時間： 2013-12-21
上傳用戶：sardinescn
即使對于一個簡單的電力系統，潮流計算也不是一件簡單就可以完成的事，其運算量很大，因此如果對于一個大的、復雜的電網來說的話，由于其節點多，分支雜，其計算量可想而知，人工對其計算也更是難上加難了。特別是在現實生活中，遇到一個電力系統不會像我們期望的那樣可以知道它的首端電壓和首端功率或者是末端電壓和末端功率，而是只知道它的首端電壓和末端功率，更是使計算變的頭疼萬分。為了使計算變的簡單，我們就可以利用計算機，用C語言編程來實現牛頓-拉夫遜（Newton-Raphson）迭代法，最終實現對電力系統潮流的計算。
標簽： 電力系統
上傳時間： 2016-12-26
上傳用戶：xieguodong1234
This function calculates Akaike s final prediction error ％ estimate of the average generalization error. ％ ％ [FPE,deff,varest,H] = fpe(NetDef,W1,W2,PHI,Y,trparms) produces the ％ final prediction error estimate (fpe), the effective number of ％ weights in the network if the network has been trained with ％ weight decay, an estimate of the noise variance, and the Gauss-Newton ％ Hessian. ％
標簽： generalization calculates prediction function
上傳時間： 2014-12-03
上傳用戶：maizezhen
This function calculates Akaike s final prediction error ％ estimate of the average generalization error for network ％ models generated by NNARX, NNOE, NNARMAX1+2, or their recursive ％ counterparts. ％ ％ [FPE,deff,varest,H] = nnfpe(method,NetDef,W1,W2,U,Y,NN,trparms,skip,Chat) ％ produces the final prediction error estimate (fpe), the effective number ％ of weights in the network if it has been trained with weight decay, ％ an estimate of the noise variance, and the Gauss-Newton Hessian. ％
標簽： generalization calculates prediction function
上傳時間： 2016-12-27
上傳用戶：腳趾頭
Train a two layer neural network with a recursive prediction error ％ algorithm ("recursive Gauss-Newton"). Also pruned (i.e., not fully ％ connected) networks can be trained. ％ ％ The activation functions can either be linear or tanh. The network ％ architecture is defined by the matrix NetDef , which has of two ％ rows. The first row specifies the hidden layer while the second ％ specifies the output layer.
標簽： recursive prediction algorithm Gauss-Ne
上傳時間： 2016-12-27
上傳用戶：ljt101007
matlab,自適應濾波算法，包括LSL,LMS等
上傳時間： 2016-12-31
上傳用戶：zhangyigenius
