排序方式: 共有36条查询结果,搜索用时 15 毫秒
11.
本文从统计学的角度研究多层多隐元前神经网络(NN)的参数估计学习问题,利用NN激励函数的析线线性近似,提出一种求解多隐层多隐元NN每个隐元指导信号(隐含观测量)的新方法,利用每个隐元的指导信号估计可以半多隐多层多隐元NN的参数估计学习转化为多个相互独立的单隐元NN参数估计学习训练问题,从而将复杂系统参数估计问题转化为简单系统的参数估计问题而得以解决。 相似文献
12.
13.
针对多载波直扩码分多址(MC-DS-CDMA)系统上行链路的多用户载波频偏(CFO),提出了一种基于隐导频的载波频偏估计算法.该算法利用信息符号和隐导频信号的不同统计特性,在接收端分段近似分离出仅包含对应用户的隐导频信号成分,经过幅角提取得到各用户的载波频偏估计值.该算法能节约信号发送带宽并且计算复杂度低,适合在载波频偏细估计阶段跟踪频偏.仿真结果表明,该算法在使用较低隐导频功率时的频偏估计误差也能满足正交频分复用(OFDM)系统对频偏误差的要求. 相似文献
14.
针对现有接入协议的性能随着WLAN中节点个数增加而显著下降的问题,本文提出一种新的基于多门限估计激活节点个数的自适应退避算法.该算法优化了时延模型,针对最优退避竞争窗口,分析给出了竞争窗口是激活节点数目的线性函数以及准确的窗系数计算方法;通过更公平地计算空闲时隙间隔,使用三个门限来识别节点个数变化的四种情况,实现了节点个数的估计.理论分析表明,该退避算法使得碰撞概率较小并能获得较高的总吞吐量,同时节点个数的变化对性能影响较小.仿真验证了分析的正确性和算法较好的可扩展性,在公平性方面也优于其它算法. 相似文献
15.
本文研究随机双线性系统的自适应控制,主要包括:双线性系统的辨识和双线性系统的预测控制,极点配置控制,提出-全局收敛的并且可收敛于无偏最优解的辨识新算法。在此基础上,研究双线性系统的预测和极点配置控制,给出一可实时检测系统稳定性的新方法,解决控制系统的闭环时变极点的稳定性问题。 相似文献
16.
研究回馈神经网络(RNN)参数估计的新方法.利用隐含观测量,将复杂RNN的训练分解为线性输出层和多个单隐元的参数估计.基于每个隐元激励函数的多点线性近似,RNN可利用统计混合专家网络模型(ME)描述,从而将RNN的参数估计转化为包含隐含观测量的线性系统的最大似然估计问题,最后利用期望最大化(EM)算法获得RNN的隐含观测量及其参数估计. 相似文献
17.
18.
19.
由于非线性系统输出是其参数的非线性函数,直接利用高阶累积量辨识两层前馈神经网络(FNN)通常是十分困难的。为解决这一问题,该文提出两种基于四阶累积量的FNN辨识方法。第一种方法,FNN的隐元在其输入空间利用多个线性系统近似,进而FNN利用一统计模型混合专家(ME)网络重新描述。基于ME模型,FNN参数可利用统计期望值最大化(EM)算法获得估计。第二种方法,为简化FNN的ME模型,引入隐含观测量。基于隐含观测量估计,FNN被分解为多个单隐元的训练问题,进而整体FNN可利用一两阶层ME描述。基于单隐元的参数估计,FNN可利用一具有更快收敛速度的简化算法获得估计。 相似文献
20.
主要研究基于神经网络模型的最小预测误差非线性自适应控制算法.利用神经网络激励函数的分段局部线性近似,将基于神经网络的非线性系统一步前向预测控制转化为一系列局部的线性预测控制问题.利用线性系统参数估计方法获得神经网络预测模型的参数估计.在此基础上利用并联线性系统的预测控制方法设计全局收敛的非线性系统预测控制器. 相似文献