神經(jīng)網(wǎng)絡(luò) 文章 最新資訊
一種神經(jīng)網(wǎng)絡(luò)多用戶檢測器
- 本文提出采用Hopfield神經(jīng)網(wǎng)絡(luò)實現(xiàn)CDMA多用戶通信系統(tǒng)中多用戶信號的檢測.利用基于檢測序列最大后驗概率最佳多用戶檢測器的似然函數(shù)與Hopfield神經(jīng)網(wǎng)絡(luò)的能量函數(shù)的對應(yīng)關(guān)系，構(gòu)造一種離散Hopfield神經(jīng)網(wǎng)絡(luò)多用戶檢測
- 關(guān)鍵字： 檢測 用戶 神經(jīng)網(wǎng)絡(luò)
RBF神經(jīng)網(wǎng)絡(luò)在變速箱齒輪故障診斷中的應(yīng)用
- 關(guān)鍵字： 故障診斷 神經(jīng)網(wǎng)絡(luò) RBF網(wǎng)絡(luò) 變速箱齒輪
冗余度TT-VGT機器人的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制
- 關(guān)鍵字： 冗余度 TT-VGT機器人 神經(jīng)網(wǎng)絡(luò) 模型參考自適應(yīng)控制
基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器及仿真
- 神經(jīng)網(wǎng)絡(luò)PID控制器實現(xiàn)了兩種算法本質(zhì)的結(jié)合，借助于神經(jīng)網(wǎng)絡(luò)的自學習，自組織能力，可實現(xiàn)PID參數(shù)的在線調(diào)整，控制器自適應(yīng)性好；該算法不要求被控對象有精確的數(shù)學模型，擴大了應(yīng)用范圍，控制效果良好；在合理選擇神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)的情況下，該算法有很強的泛化能力?；谝陨蟽?yōu)點，神經(jīng)網(wǎng)絡(luò)PID控制器具有很好的發(fā)展應(yīng)用前景。
- 關(guān)鍵字： 控制器 仿真 PID 神經(jīng)網(wǎng)絡(luò) BP 基于
基于BP神經(jīng)網(wǎng)絡(luò)的電路最優(yōu)測試集的生成設(shè)計
- 關(guān)鍵字： 神經(jīng)網(wǎng)絡(luò) 電路 故障診斷 最優(yōu)測試集
基于神經(jīng)網(wǎng)絡(luò)的有源電力濾波器應(yīng)用研究
- 基于瞬時無功功率諧波動態(tài)檢測法，檢測的精度高、實時性好。本文闡述了基于瞬時無功功率與神經(jīng)網(wǎng)絡(luò)組合控制電網(wǎng)諧波動態(tài)檢測方法的基本原理，分析了基于瞬時無功功率的諧波檢測方法，在負載突變是引進神經(jīng)網(wǎng)絡(luò)提高準確實時性，在此基礎(chǔ)上結(jié)合有源電力濾波器進行仿真實驗，觀察諧波動態(tài)檢測。
- 關(guān)鍵字： 神經(jīng)網(wǎng)絡(luò) 有源電力濾波器 應(yīng)用研究
基于CMAC神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定方法的研究
- 建立一個基于改進的CMAC小腦模型神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定控制系統(tǒng)，該PID參數(shù)的整定方法為基于規(guī)則的整定方法，不必精確地辨識被控對象的數(shù)學模型，只需將系統(tǒng)誤差 的時間特性中的特征值送入CMAC網(wǎng)絡(luò)，CMAC再根據(jù)輸入的特征值得出相應(yīng)的PID參數(shù)的變化量，即可實現(xiàn)PID參數(shù)的自整定。
- 關(guān)鍵字： CMAC PID 神經(jīng)網(wǎng)絡(luò) 參數(shù)
一種新的基于改進的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF解碼器方
- 本文提出了一種新的基于改進的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF信號檢測算法，并介紹了在TMS320C5402和TLV320AIC10上采用此算法的DTMF信號解碼器方案設(shè)計。仿真結(jié)果和實際工程實驗均表明該算法比傳統(tǒng)的DTMF信號解碼方法具有更強的抗干擾能力；該方案具有一定的實用和參考價值。
- 關(guān)鍵字： ADALINE DTMF 神經(jīng)網(wǎng)絡(luò) 解碼器
Adaline神經(jīng)網(wǎng)絡(luò)隨機逼近LMS算法的仿真研究
- 1 引言
人工神經(jīng)網(wǎng)絡(luò)最重要的功能之一是分類。對于線性可分問題，采用硬限幅函數(shù)的單個神經(jīng)元，通過簡單的學習算法就可成功實現(xiàn)分類。即對于兩個不同類中的輸入矢量，神經(jīng)元的輸出值為0或1。但對于大多數(shù)非線性 - 關(guān)鍵字： Adaline LMS 神經(jīng)網(wǎng)絡(luò) 仿真研究
基于神經(jīng)網(wǎng)絡(luò)的火電廠生產(chǎn)過程故障診斷專家系統(tǒng)
- 隨著控制理論的不斷完善和發(fā)展，以及計算機技術(shù)在工業(yè)控制領(lǐng)域的廣泛應(yīng)用，控制系統(tǒng)的自動化水平、控制品質(zhì)均得到了顯著的改善和提高。在追求控制系統(tǒng)良好控制性能的同時，對提高系統(tǒng)的可靠性和可維修性也提出了越來
- 關(guān)鍵字： 診斷 專家系統(tǒng) 故障 生產(chǎn)過程 神經(jīng)網(wǎng)絡(luò) 火電廠 基于
基于Gabor小波與RBF神經(jīng)網(wǎng)絡(luò)的人臉識別新方法
- 在人臉識別中，高維、小樣本是一個問題。對此，提出了一種基于Gabor小波與徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的人臉識別方法。首先對人臉進行Gabor濾波，選取有效的Gabor組合。進行小波分解，獲取低頻圖像，構(gòu)造特征矢量，采用主分量分析降低特征維數(shù)。接著，提出了一種聚類方法用于確定RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和初值，采用混合學習法訓練RBF神經(jīng)網(wǎng)絡(luò)。用ORL人臉庫進行試驗，結(jié)果表明本文提出的方法具有優(yōu)秀的學習效率和識別效果。
- 關(guān)鍵字： 人臉 識別 方法 神經(jīng)網(wǎng)絡(luò) RBF Gabor 小波 基于
神經(jīng)網(wǎng)絡(luò)介紹
您好，目前還沒有人創(chuàng)建詞條神經(jīng)網(wǎng)絡(luò)!
歡迎您創(chuàng)建該詞條，闡述對神經(jīng)網(wǎng)絡(luò)的理解，并與今后在此搜索神經(jīng)網(wǎng)絡(luò)的朋友們分享。 創(chuàng)建詞條
歡迎您創(chuàng)建該詞條，闡述對神經(jīng)網(wǎng)絡(luò)的理解，并與今后在此搜索神經(jīng)網(wǎng)絡(luò)的朋友們分享。 創(chuàng)建詞條
神經(jīng)網(wǎng)絡(luò)電路
神經(jīng)網(wǎng)絡(luò)相關(guān)帖子
神經(jīng)網(wǎng)絡(luò)資料下載
神經(jīng)網(wǎng)絡(luò)視頻
神經(jīng)網(wǎng)絡(luò)專欄文章
關(guān)于我們 -
廣告服務(wù) -
企業(yè)會員服務(wù) -
網(wǎng)站地圖 -
聯(lián)系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473