搜索资源列表
bayes_bpnet
- 采用贝叶斯正则化算法提高 BP 网络的推广能力。我们采用两种训练方法，即 L-M 优化算法（trainlm）
关于linux下文件编译的方法
- 摘 要： 本文主要阐述了关于linux下文件编译的方法以及vim编辑器的配置，并介绍了linux下热门开发工具。 关 键 词： vim配置与使用；linux文件编译；linux下热门开发工具 引 言： 1.一般拿到新的服务器都需要自己配置一下vim的环境，要不觉得总是不是很顺手。本文介绍了vim的基本配置以及一些个性化配置，用户可根据自己喜好及习惯自由配置；2.介绍了Linux文本编译的常用编译命令选项和多源文件编译方法,使读者对lin
L-M算法(BP的一种改进算法)应用实例
- L-M算法(BP的一种改进算法)应用实例-L-M algorithm (BP an improved algorithm) Application
bpnnet_154
- L-M算法。除了动量法(基于梯度下降的训练算法)外，学习率自适应调整策略是BP算法改进的另一种途径，它利用Levenberg-Marquardt优化方法，从而使得学习时间更短。其缺点是，对于复杂的问题，该方法需要很大的存储空间。 -L-M algorithm. In addition to momentum (based on the gradient descent algorithm for training), learning
VC++andMatlab
- 许多工程软件需要用到复杂的数学算法。VC++能够形成各种用户界面， 并可以直 接与系统及底层硬件交换数据。因此研究VC++和Matlab 的混合编程具有很大的实际意义。 该文讨论了如何使用Matlab 的Complier 将*.m函数编译为动态链接库DLL， 提供给VC++ 调用的方法， 提供了一种VC++与Matlab 混合编程的快速实现。-many engineering software necessary to us
bayes_bpnet
- 采用贝叶斯正则化算法提高 BP 网络的推广能力。我们采用两种训练方法，即 L-M 优化算法（trainlm）-?捎??
bp.example
- 采用动量梯度下降算法训练BP网络，采用两种训练方法，即 L-M 优化算法（trainlm）和贝叶斯正则化算法（trainbr），用以训练 BP 网络-Gradient descent algorithm using momentum BP network training, using two training methods, namely, LM optimization algorithm (trainlm) and Bayesi
7
- 摘 要 盲图像恢复的主要困难是信息不足，而为了恢复图像和确定点扩散函数需要适当的先验知识。解决这个问题的法、 法以及正则化方法等。但是这些方法的计算量都太大，针对上述方法的不足，文章提出了一种恢复图方法有图像的新算法，它通过恢复残差的最小化和后验概率的最大化来估计参数和恢复图像。其中，巧妙地利用了最陡梯度法和 共轭梯度法的迭代求解。对由于运动造成的模糊图像，可以明显地改善图像的质量，实验结果证明，在对模糊操作没有严格限制的情况下，仍
GA__MATLAB
- 探讨了在 Mh T I AB环境中实现遗传算法仿真 的方法 ， 并 以一个 简单的求函数最值的问 题作为遗传算法的应用实铡， 说明遗传算法的全局寻优性及用 M AI I AB实现仿真的可行性。-A me f l ~dt o r e Aa z e g e me f i e t I 皿 i n MKI I AB i s d ~- u s s e d．A ha e t i o ~o p t h r f i z a f i o
bys
- 采用贝叶斯正则化算法提高BP网络的推广能力。在本例中，将采用两种训练方法，即L-M优化算法（trainlm)和贝叶斯正则化算法（trainbr),用以训练BP网络，使其能够拟合某一附加有白噪声的正弦样本数据。-The use of Bayesian regularization algorithm for BP network to improve generalization ability. In this case, two ty
DesignofthePMSMServeDeviceBasedonDSP
- 本文介绍了以T M S 3 2 0 L F 2 4 0 7 为核心 的 P M S M 伺服控制装置设计， 包括永磁同步电机的矢量控制方法， 以 及 D S P 及旋转变压器 一 一 数字转换器电路的硬件设计和积分分离 P I D 、 M ／ T 法测速的软件设计方法。实验 结果表明，该伺服装置达到了较高的速度 ／位置响应速度和控制精度-：A P M S M s e r v o d e v i c e b a s e d o
PVInverterwithImprovedMPPT
- 为了克服传统两级式光伏并网系统在设备体积、成本和控制复杂度上均存在的不足,提出了一种无直流稳压环节的新型单级式光伏并网系统电路拓扑和适用于此拓扑的电压变化速度受限的最大功率点控制算法(V V S L -M P P T )。使用仿真和实验的方法,对系统的性能进行了验证。实验样机实现连续工作10 h 的稳定运行,输出稳定在系统最大功率点,并于14:0 0:00 左右达到全天峰值。结果表明,在此算法控制下,系统可稳定追踪最大功率点,并对光照突
trainlm
- 采用两种训练方法，即 L-M 优化算法（trainlm）和贝叶斯正则化算法（trainbr）-Using two training methods, namely, LM optimization algorithm (trainlm) and Bayesian regularization algorithm (trainbr)
Example4
- 采用贝叶斯正则化算法（抑制过拟合）提高 BP 网络的推广能力，采用两种训练方法， 即 L-M 优化算法（trainlm）和贝叶斯正则化算法（trainbr），用以训练 BP 网络；-Bayesian regularization algorithm (inhibition of over-fitting) to improve the generalization ability of BP network, using two
Bayes-in-BP(code)
- 采用贝叶斯正则化算法提高 BP 网络的推广能力。在本例中，我们采用两种训练方法，即 L-M 优化算法（trainlm）和贝叶斯正 则化算法（trainbr），用以训练 BP 网络，使其能够拟合某一附加有白噪声的正弦样本数据。-Use Bayes to train BP network
lmm
- 全局收敛的L-M方法，此方法可以求解非线性方程组-Global convergence of LM method that can solve nonlinear equations
BP_LM
- 采用贝叶斯正则化算法提高 BP 网络的推广能力。在本例中，我们采用两种训练方法，即 L-M 优化算法（trainlm）和贝叶斯正 -Bayesian regularization algorithm to improve the generalization ability of BP network. In this example, we use two training methods, namely LM optimizatio
LMFnlsq2testPDF
- L-M(Levenberg—Marquardt)是一种非线性最优化里面最常用的方法之一，改方法能快速而准确的逼近收敛值。本文简述了改方法的操作原理和具体运用，如可以方便的用于有约束与无约束最优化的求解。-L- M (Levenberg- Marquardt) is a kind of nonlinear optimization inside one of the most commonly used method, change me
LMFnlsq2_220413
- L-M(Levenberg—Marquardt)是一种非线性最优化里面最常用的方法之一，改方法能快速而准确的逼近收敛值。本文简述了改方法的操作原理和具体运用，如可以方便的用于有约束与无约束最优化的求解。本文件里面有源码和测试码以及对该方法的具体介绍PDF文件。欢迎下载。-L- M (Levenberg- Marquardt) is a kind of nonlinear optimization inside one of the mo
binary-search
- 折半查找法是效率较高的一种查找方法。假设有已经按照从小到大的顺序排列好的五个整数a0~a4，要查找的数是X，其基本思想是： 设查找数据的范围下限为l=1，上限为h=5，求中点m=（l+h）/2，用X与中点元素am比较，若X等于am，即找到，停止查找；否则，若X大于am，替换下限l=m+1，到下半段继续查找；若X小于am，换上限h=m-1，到上半段继续查找；如此重复前面的过程直到找到或者l>h为止。如果l>h，说明没有此数，打