排序方式: 共有4条查询结果,搜索用时 109 毫秒
1
1.
2.
针对UPF算法精度较高,但计算量大的问题,基于对精度与实时性考虑,提出了UPF与径向基神经网络相结合的模型与机动目标跟踪算法.通过计算机模拟仿真,证明了该算法的可行性. 相似文献
3.
径向基函数(RBF)神经网络可广泛应用于解决信号处理与模式识别问题,目前存在一些学习算法用来确定RBF中心节点和训练网络,对于确定RBF中心节点向量值和网络权重值可以看作同一系统问题,因此该文提出把扩展卡尔曼滤波器(EKF)用于多输入多输出的径向基函数(RBF)神经网络作为其学习算法,当确定神经网络中网络节点的个数后,EKF可以同时确定中心节点向量值和网络权重矩阵,为提高收敛速度提出带有次优渐消因子的扩展卡尔曼滤波器(SFEKF)用于RBF神经网络学习算法,仿真结果说明了在学习过程中应用EKF比常规RBF神经网络有更好的效果,学习速度比梯度下降法明显加快,减少了计算负担。 相似文献
4.
石油炼化企业在我国的重工业中占有着重要的地位,其安全的重要性也毋庸置疑。本文主要针对石油炼化企业中6KV供电系统的保护做了简单的论述。能否保证供电系统的安全、可靠、稳定的运行,不仅仅关系到我国大部分工企和居民日常生活的用电通畅,还涉及到石油炼化企业的安全性。 相似文献
1