搜索资源列表
wannnpid532
- 完善网络结构将RBF网络的径向基换成小波函数，调整权值以及公式的变更， 可望在仿真结构中添加非奇异项以验证小波网络的辨识精度和能力，输入层加权值进行调整~..~-to improve the network structure of the RBF network replaced wavelet Radial Basis Functions, value and the right to adjust the formula ch
MATLAB
- 环境下构建一种新的系统辨识仿真工具箱(SIST: System Identification Toolbox)的原理与实现,讨论了在MATLAB 环境下工具箱的数据和算法结构形式,以及利用GUIDE完成图行界面的设计,用MATLAB 与C++混编技术实现物理系统的I/O 接口和系统辨识...
1
- BP神经网络已广泛应用于非线性建摸、函数逼近、系统辨识等方面，但对实际问题，其模型结构需由 实验确定，无规律可寻。简要介绍了利用 Matlab语言进行 BP网络建立、训练、仿真的方法及注意事项。
11
- 具有逆辨识结构的模糊神经网络控制及其应用
ghmm470
- 对具有随机噪声的二阶系统的模型辨识，进行标幺化以后系统的参考模型差分方程为： y(k)=a1*y(k-1)+a2*y(k-2)+b*u(k-1)+s(k) 式中，a1=0.3366,a2=0.6634,b=0.68,s(k)为随机噪声。由于神经网络的输出最大为1，所以，被辨识的系统应先标幺化，这里标幺化系数为5。采用正向建模(并联辨识)结构，神经网络选用3-9-9-1型，即输入层i，隐层j包括2级，输出层k的节点个数分别为3、9、9、1
ghmm470
- 对具有随机噪声的二阶系统的模型辨识，进行标幺化以后系统的参考模型差分方程为： y(k)=a1*y(k-1)+a2*y(k-2)+b*u(k-1)+s(k) 式中，a1=0.3366,a2=0.6634,b=0.68,s(k)为随机噪声。由于神经网络的输出最大为1，所以，被辨识的系统应先标幺化，这里标幺化系数为5。采用正向建模(并联辨识)结构，神经网络选用3-9-9-1型，即输入层i，隐层j包括2级，输出层k的节点个数分别为3、9、9、1
wannnpid532
- 完善网络结构将RBF网络的径向基换成小波函数，调整权值以及公式的变更， 可望在仿真结构中添加非奇异项以验证小波网络的辨识精度和能力，输入层加权值进行调整~..~-to improve the network structure of the RBF network replaced wavelet Radial Basis Functions, value and the right to adjust the formula ch
MATLAB
- 环境下构建一种新的系统辨识仿真工具箱(SIST: System Identification Toolbox)的原理与实现,讨论了在MATLAB 环境下工具箱的数据和算法结构形式,以及利用GUIDE完成图行界面的设计,用MATLAB 与C++混编技术实现物理系统的I/O 接口和系统辨识... -err
1
- BP神经网络已广泛应用于非线性建摸、函数逼近、系统辨识等方面，但对实际问题，其模型结构需由 实验确定，无规律可寻。简要介绍了利用 Matlab语言进行 BP网络建立、训练、仿真的方法及注意事项。 -BP neural network has been widely used in nonlinear modeling, function approximation, system identification, etc., but
11
- 具有逆辨识结构的模糊神经网络控制及其应用-Inverse identification of the structure with Fuzzy Neural Network Control and Its Applications
PowerSystems
- 涉及电力系统的文献，电力系统负荷模型结构与参数辨识的研究-Literature related to power systems, power system load model structure and parameter identification study
Electron_competition_VAR
- 系统用凌阳SPCE061A十六位单片机实现。不用外接语音芯片，即可实现语音辨识和一系列职能动作。由于采用了高性能的MCU，省掉了大量的外围器件，如外扩RAM、ROM存储器等，使硬件结构大大简化，提高了系统的可靠性。使用SPCE061A开发产品不仅给开发者耳目一新的感觉更给用户以振奋的性能。-Sunplus SPCE061A systems MCU 16. No external voice chip, can achieve the f
Model_structure
- 系统辨识，模型结构的辨识（系统的阶次），行列式比法-System Identification,modle structure
ImprovedDTWAlgorithmInRealtimeSpeaker
- 识别正确率和抗噪性能是语音识别的研究重点，而识别响应速度也是决定系统实用化的关键 文章改进了传统的动态时间弯折算 法结构，将其应用于实时说话人辨识系统中，极大地提高了系统运行速度，随着待识别语音数目的增多，该算法优势更加明显 实验表明， 在不影响系统识别率的情况下，该方法使系统的运行速度平均提高了1.5 倍-Identify the correct rate and the anti-noise performance is t
topology_identification_of_complex_networks
- 复杂网络的拓扑辨识,通过复杂网络中节点的状态可以辨识出复杂网络的连接结构（洛仑兹系统）-topology identification of complex networks. According to the node state of complex network, we can know the topology of this complex networks(Lorentz system)
sPso
- 利用粒子群优化算法辨识工业模型，参数设置，和结构辨识-Particle swarm optimization
msqlsid
- 利用M序列实现系统的结构辨识和参数辨识，有些很好的辨识效果-Use of M sequence to achieve the system' s structure identification and parameter identification, and some very good recognition results
1
- 模型阶次的辨识,各种模型参数辨识方法一般需要假定模型的结构已知，实际上在多数情况下这是不现实的。当没有模型结构的先验知识时，需要利用系统的输入输出数据来确定模型的结构。-Identification of various model parameters generally need to assume that the model structure is known, in fact, in most cases this is u
sPso
- 利用粒子群优化算法辨识工业模型，参数设置，和结构辨识-Particle swarm optimization
Untitled1
- 一个非常好的关于复杂网络结构辨识的matlab创新，本人的毕业设计可是靠它哦。(Complex network structure identification)