神經(jīng)網(wǎng)絡(luò) 高精度double dll版本
資源簡(jiǎn)介：神經(jīng)網(wǎng)絡(luò) 高精度double dll版本
上傳時(shí)間： 2016-04-11
上傳用戶：熊少鋒
資源簡(jiǎn)介：c程序解決神經(jīng)網(wǎng)絡(luò)的原代碼 壓縮版本，無密碼
上傳時(shí)間： 2015-05-30
上傳用戶：yoleeson
資源簡(jiǎn)介：神經(jīng)網(wǎng)絡(luò) 高斯分布 最大后驗(yàn)估計(jì) 最大似然估計(jì)
上傳時(shí)間： 2013-12-21
上傳用戶：270189020
資源簡(jiǎn)介：《面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用》利用目前國(guó)際上流行通用的MATLAB 7.0環(huán)境，結(jié)合神經(jīng)網(wǎng)絡(luò)工具箱4.0.6版本，分別從網(wǎng)絡(luò)構(gòu)造、基本原理、學(xué)習(xí)規(guī)則以及訓(xùn)練過程和應(yīng)用局限性幾個(gè)方面，通過多層次、多方面的分析與綜合，深入淺出地介紹了人工神經(jīng)網(wǎng)絡(luò)中...
上傳時(shí)間： 2014-01-07
上傳用戶：ayfeixiao
資源簡(jiǎn)介：優(yōu)選了分析CO、H2和CH4混合氣體的傳感器陣列,構(gòu)造了傳感器信號(hào)預(yù)處理和神經(jīng)網(wǎng)絡(luò) 訓(xùn)練算法,從而建立了用于混合氣體定量分析的人工嗅覺系統(tǒng)。實(shí)驗(yàn)結(jié)果證明,系統(tǒng)能夠以較高的 精度分辨出3種氣體的濃度。
上傳時(shí)間： 2016-11-05
上傳用戶：zsjzc
資源簡(jiǎn)介：落煤殘存瓦斯量的確定是采掘工作面瓦斯涌出量預(yù)測(cè)的重要環(huán)節(jié),它直接影響著采掘工作面瓦斯涌出量預(yù)測(cè)的精度,并與煤的變質(zhì)程度、落煤粒度、原始瓦斯含量、暴露時(shí)間等影響因素呈非線性關(guān)系。人工神經(jīng)網(wǎng)絡(luò)具有表示任意非線性關(guān)系和學(xué)習(xí)的能力,是解決復(fù)雜非線性、...
上傳時(shí)間： 2015-03-12
上傳用戶：熊少鋒
資源簡(jiǎn)介：本文分析小波神經(jīng)網(wǎng)絡(luò)的特點(diǎn)重點(diǎn)研究在電力負(fù)荷預(yù)測(cè)中連續(xù)小波神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)相比具有的優(yōu)缺點(diǎn)對(duì)認(rèn)識(shí)和應(yīng)用小波神經(jīng)網(wǎng)絡(luò)具有重要意義算例表明在網(wǎng)絡(luò)結(jié)構(gòu)相同的情況下連續(xù)小波神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)具有更高的預(yù)測(cè)精度
上傳時(shí)間： 2014-01-17
上傳用戶：gundamwzc
資源簡(jiǎn)介：本文擬借助于神經(jīng)網(wǎng)絡(luò)良好的逼近能力，實(shí)現(xiàn)永磁同步電機(jī)的無位置傳感器控制。 人工神經(jīng)網(wǎng)絡(luò)(Neural Network)可以逼近任意復(fù)雜非線性映射，具有很強(qiáng)的自學(xué)習(xí)自適應(yīng)能力，十分適合于解決復(fù)雜的非線性控制問題。其中，BP神經(jīng)網(wǎng)絡(luò)是目前廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)之一，...
上傳時(shí)間： 2013-05-23
上傳用戶：1101055045
資源簡(jiǎn)介：永磁同步電機(jī)(Permanent Magnet Synchronous Motor)因功率密度大、效率高、過載能力強(qiáng)、控制性能優(yōu)良等優(yōu)點(diǎn)，在中小容量調(diào)速系統(tǒng)和高精度調(diào)速場(chǎng)合發(fā)展迅速。但由于永磁同步電機(jī)的磁場(chǎng)具有獨(dú)特的交叉耦合和交叉飽和現(xiàn)象，且其控制系統(tǒng)是一個(gè)強(qiáng)非線性、時(shí)變和多...
上傳時(shí)間： 2013-07-03
上傳用戶：kakuki123
資源簡(jiǎn)介：開關(guān)磁阻電機(jī)(SwitchedReluctanceMotor，SRM)具有結(jié)構(gòu)簡(jiǎn)單、工作可靠、效率高和成本較低等優(yōu)點(diǎn)，在很多領(lǐng)域都顯示出強(qiáng)大的競(jìng)爭(zhēng)力，但是位置傳感器的存在不僅削弱了SRM結(jié)構(gòu)簡(jiǎn)單的優(yōu)勢(shì)，而且降低了系統(tǒng)高速運(yùn)行的可靠性，增加了成本，探索實(shí)用的無位置傳感器檢...
上傳時(shí)間： 2013-04-24
上傳用戶：skfreeman
資源簡(jiǎn)介：為了提高電力系統(tǒng)負(fù)荷預(yù)測(cè)的精度與速度的需求，提出使用交替梯度算法改進(jìn)徑向基函數(shù)（RBF） 神經(jīng)網(wǎng)絡(luò)， 對(duì)天津市電網(wǎng)進(jìn)行負(fù)荷預(yù)測(cè)。改進(jìn)的算法與傳統(tǒng)梯度下降算法相比，具有更快的收斂速度和更高的預(yù)測(cè)精度。 仿真結(jié)果表明該算法具有可行性。
上傳時(shí)間： 2013-10-31
上傳用戶：waixingren
資源簡(jiǎn)介：為使設(shè)計(jì)人員在大型客機(jī)設(shè)計(jì)階段便可對(duì)其制造成本有較為準(zhǔn)確的把握，針對(duì)大型客機(jī)制造成本，采用RBF神經(jīng)網(wǎng)絡(luò)理論建立了一種分析模型，并給出建模流程。利用Matlab神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行模擬仿真，對(duì)所建立大型客機(jī)制造成本分析的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了驗(yàn)證，最后進(jìn)...
上傳時(shí)間： 2013-11-19
上傳用戶：wpwpwlxwlx
資源簡(jiǎn)介：文中將BP神經(jīng)網(wǎng)絡(luò)的原理應(yīng)用于參數(shù)辨識(shí)過程，結(jié)合傳統(tǒng)的 PID控制算法，形成一種改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)PID控制算法。該算法利用BP神經(jīng)網(wǎng)絡(luò)建立系統(tǒng)參數(shù)模型，能夠跟蹤被控對(duì)象的變化，取得較高的辨識(shí)精度。針對(duì)BP神經(jīng)網(wǎng)絡(luò)對(duì)權(quán)系初始值敏感的缺點(diǎn)，優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的...
上傳時(shí)間： 2013-10-08
上傳用戶：cxl274287265
資源簡(jiǎn)介：為了預(yù)報(bào)電力系統(tǒng)負(fù)荷，采用GRNN（廣義回歸網(wǎng)絡(luò)）的方法，通過GRNN神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)建立電力系統(tǒng)負(fù)荷預(yù)報(bào)網(wǎng)絡(luò)模型，用MATLAB7.0仿真，達(dá)到了預(yù)測(cè)的目的。利用GRNN神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果準(zhǔn)確率高，避免了BP網(wǎng)絡(luò)預(yù)測(cè)同樣的數(shù)據(jù)庫(kù)，算法冗長(zhǎng)，網(wǎng)絡(luò)預(yù)測(cè)結(jié)果不穩(wěn)定...
上傳時(shí)間： 2014-01-12
上傳用戶：zhangyigenius
資源簡(jiǎn)介：固高公司的三自由度直升飛機(jī)的神經(jīng)網(wǎng)絡(luò)控制的自校正控制方法2
上傳時(shí)間： 2014-01-12
上傳用戶：duoshen1989
資源簡(jiǎn)介：bp算法是人工神經(jīng)網(wǎng)絡(luò)得一個(gè)經(jīng)典得算法。這是bp算法得Visual C＋＋版本
上傳時(shí)間： 2015-06-12
上傳用戶：開懷常笑
資源簡(jiǎn)介：本算法在訓(xùn)練步數(shù)、訓(xùn)練時(shí)間及其誤差精度等方面都優(yōu)于常規(guī)的模糊神經(jīng)網(wǎng)絡(luò)，其學(xué)習(xí)收斂速度快、誤差曲線也更穩(wěn)定。
上傳時(shí)間： 2015-07-08
上傳用戶：qoovoop
資源簡(jiǎn)介：Matlab6[1].0版本中神經(jīng)網(wǎng)絡(luò)工具箱訓(xùn)練算法的使用與比較
上傳時(shí)間： 2015-07-21
上傳用戶：jichenxi0730
資源簡(jiǎn)介：開發(fā)環(huán)境：Visual C++ .net2003 功能介紹：神經(jīng)網(wǎng)絡(luò)算法實(shí)驗(yàn)；分Console版本和MFC版本；主要用來求解TSP問題。
上傳時(shí)間： 2014-01-22
上傳用戶：love_stanford
資源簡(jiǎn)介：主要實(shí)現(xiàn)了燒結(jié)礦堿度的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)，訓(xùn)練精度高
上傳時(shí)間： 2013-12-09
上傳用戶：縹緲
資源簡(jiǎn)介：神經(jīng)網(wǎng)絡(luò)代碼,可在matlab6.0以上版本環(huán)境下運(yùn)行
上傳時(shí)間： 2013-12-20
上傳用戶：lz4v4
資源簡(jiǎn)介：機(jī)率神經(jīng)網(wǎng)路分類器之高階合成。對(duì)研究概率神經(jīng)網(wǎng)絡(luò)很有幫助的。質(zhì)量很高的論文
上傳時(shí)間： 2016-04-07
上傳用戶：jcljkh
資源簡(jiǎn)介：概率神經(jīng)網(wǎng)絡(luò)的邊界預(yù)報(bào).高質(zhì)量畢業(yè)論文。
上傳時(shí)間： 2014-01-13
上傳用戶：ryb
資源簡(jiǎn)介：提出了一種基于小波神經(jīng)網(wǎng)絡(luò)整定的PID 控制方法。由于小波變換具有良 好的時(shí)頻局部特性,神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的非線性映射能力,自學(xué)習(xí)、自適應(yīng)等優(yōu)勢(shì),采用規(guī) 范正交的小波函數(shù)作為神經(jīng)網(wǎng)絡(luò)的基函數(shù)構(gòu)成小波神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)兼有小波函數(shù)的緊 支性、波動(dòng)性以及神...
上傳時(shí)間： 2014-01-15
上傳用戶：yzy6007
資源簡(jiǎn)介：包含很多高質(zhì)量的關(guān)于BP神經(jīng)網(wǎng)絡(luò)的論文。
上傳時(shí)間： 2013-12-07
上傳用戶：王者A
資源簡(jiǎn)介：提出了一種基于函數(shù)聯(lián)接的感知器神經(jīng)網(wǎng)絡(luò)的紋理分類方法.它采用高斯2馬爾柯夫隨機(jī)場(chǎng)模型(GM RF)對(duì)紋理進(jìn)行描述,模型參數(shù)即為紋理特征,參數(shù)估計(jì)采用最小平方誤差方法獲得.將估計(jì)參數(shù)作為表達(dá)紋理的特征向量,用感知器網(wǎng)絡(luò)對(duì)特征進(jìn)行分類,并且采用函數(shù)聯(lián)接的方式...
上傳時(shí)間： 2014-01-13
上傳用戶：13160677563
資源簡(jiǎn)介：Matlab6.0版本中神經(jīng)網(wǎng)絡(luò)工具箱訓(xùn)練算法的使用與比較
上傳時(shí)間： 2017-02-17
上傳用戶：zhuoying119
資源簡(jiǎn)介：本文討論了神經(jīng)網(wǎng)絡(luò)PID控制策略，提出了一種單神經(jīng)元自適應(yīng)PID控制器，給出了控制模型，探討了單神經(jīng)元自適應(yīng)PID控制學(xué)習(xí)算法，通過修改神經(jīng)元控制器連接加權(quán)系數(shù) ，構(gòu)成了自適應(yīng)PID控制器。利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力進(jìn)行PID控制參數(shù)的在線整定，并使用了MATL...
上傳時(shí)間： 2014-01-25
上傳用戶：zhaiyanzhong
資源簡(jiǎn)介：該文檔為神經(jīng)網(wǎng)絡(luò)算法完整版本簡(jiǎn)介資料，講解的還不錯(cuò)，感興趣的可以下載看看…………………………
上傳時(shí)間： 2021-11-05
上傳用戶：
資源簡(jiǎn)介：無刷直流電機(jī)(BLDCM)是隨著電機(jī)控制技術(shù)、電力電子技術(shù)和微電子技術(shù)的發(fā)展而出現(xiàn)的一種新型電機(jī)。它是在有刷直流電機(jī)的基礎(chǔ)上發(fā)展起來的。無刷直流電機(jī)具有交流電機(jī)的結(jié)構(gòu)簡(jiǎn)單、運(yùn)行可靠、維護(hù)方便等一系列特點(diǎn)，又具有直流電機(jī)的運(yùn)行效率高、無勵(lì)磁損耗以及...
上傳時(shí)間： 2013-08-04
上傳用戶：YYRR
