共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
提出了一种新的基于径向基(RBF)神经网络的相关干涉仪测向方法,实现了自组织学习选取中心、正交最小二乘法及基于遗传算法的进化优选算法等训练方法,经训练后的RBF神经网络可用于多源信号波达角(DOA)估计。仿真结果表明,在一定范围内,该方法对信道噪声不敏感,测向精度与传统相关干涉仪相当,且测向处理时间和测向设备的存储量大大降低。 相似文献
3.
4.
该文提出一种量子自适应粒子群优化算法,该算法中,粒子位置的编码采用量子比特实现,利用粒子飞行轨迹信息动态更新量子比特的状态,并引入量子非门实现变异操作以避免陷入局部最优。用该算法训练神经网络,实现了径向基函数(RBF)神经网络参数优化,建立了基于量子自适应粒子群优化RBF神经网络算法的网络流量预测模型。对真实网络流量的预测结果表明,该方法的收敛速度和预测精度均要优于传统RBF神经网络法、粒子群-RBF神经网络法、混合粒子群-RBF神经网络法和自适应粒子群-RBF神经网络法,并且预测效果不易受时间尺度变化的影响。 相似文献
5.
提出了一种基于遗传优化RBF神经网络的声纹识别算法,该算法中采用遗传算法对传统的RBF神经网络基函数中心以及宽度进行优化处理,克服了传统RBF神经网络参数难以确定的缺陷。同时,算法结合心理声学模型,提取了能表现说话人个性特征的Mel倒谱系数为特征进行说话人识别,可较好地提升系统的抗噪性能。仿真实验结果表明,与传统RBF神经网络相比,该方法具有快速学习网络权重的能力,并且网络的全局寻优能力强,使得系统的识别率进一步提高。 相似文献
6.
为提高发电机状态异常判别和故障诊断的能力,研究一种状态监测的智能判别方法。设计了一种基于径向基函数神经网络的模型,阐述其网络结构,训练算法及综合决策方法,该模型不仅能利用故障样本及专家经验知识进行状态判别,而且可以不断学习新的样本获取新的知识。经过训练的网络能很好地判别电机状态,仿真结果表明,该网络及决策方法有效,并具有良好的实用价值。 相似文献
7.
8.
9.
10.
《现代电子技术》2017,(17):101-104
为了预防运动损伤,保证运动员的身体安全,提出一种基于大数据分析的运动损伤估计模型。介绍了大数据分析技术,将引发运动损伤的原因划分成A内部致伤因子、B外部致伤因子、C刺激诱发因子。在大数据分析技术的基础上,通过RBF神经网络构建运动损伤估计模型。分析了基本RBF神经网络,将高斯函数看作隐含层单元的激活函数,通过一种简单的方式设计隐含层,令所有风险等级和一个高斯函数相对应。对径向基函数中心、权值和宽度进行更新,通过梯度下降法对径向基函数中心和其余参数进行学习。依据运动损伤风险样本库对RBF神经网络进行训练,将运动损伤数据输入到RBF神经网络中,当传输数据和某运动损伤风险等级相对应时,RBF神经网络将输出相应值,从而实现运动损伤估计。实验结果表明所设计模型精度和效率都高。 相似文献
11.
本文给出了四种桥函数的数学表达式及其证明,指出沃尔什函数系、方块脉冲函数系、哈尔函数系、赫尔函数系、特尔函数系都是桥函数系的一部分。 相似文献
12.
13.
14.
单位冲激函数是“信号与系统”课程中十分重要的一个基本数学模型,其物理含义和广义函数的性质难以形象理解,从而使得单位冲激函数及其复合函数的积分计算容易出现理解上的偏差。本文采用常规函数的计算方法,根据狄拉克对单位冲激函数的数学定义以及广义函数的筛选性质,对单位冲激函数及其复合函数的积分问题进行了归纳和探讨,分别对内层函数为常数、一次函数、二次函数、三次及以上函数的情形进行了分析和推导,试图得出一般性的结论,最后运用已知正确结果对结论的正确性进行了验证。 相似文献
15.
Voigt线型及其精确快速算法 总被引:1,自引:1,他引:0
通过把上半复平面分为4个区,并在每一区利用不同近似,建立了一种精确快速计算Voigt函数、修正的Voigt函数和Voigt函数偏导数的算法,其最大相对误差小于5×10-4.该算法是Line-by-Line大气透过率/辐射强度计算及其相关应用的有效算法. 相似文献
16.
17.
18.
19.
在目前高校广泛使用的《电路》一书中,出现了一处关于奇异函数的计算疏忽:计算结果遗漏了冲激项。有鉴于此,本文重新计算得出了正确结果,并对奇异函数在时域分析中常出现的此类问题作了详细探讨,包括在电路换路后的时域响应中,如何正确使用单位阶跃函数δ(t)、如何对含有单位阶跃函数δ(t)的函数进行求导运算,以及结果中何时出现单位冲激函数δ(t)等。 相似文献
20.
有限域Fp2m上的超Bent函数是与Fp上所有m序列的距离都达到最大的函数,该文研究了F22m 上超Bent函数与GF2m(2)上Bent函数之间的关系,对一类超Bent函数的性质作了深入细致的刻画,给出了有限域Fp2m上多维超Bent函数的两种构造方法. 相似文献