神经网络灵敏度分析对网络结构设计、硬件实现等具有重要的指点意义，已有的灵敏度计算公式对权值和输入扰动有一定限制或者计算误差较大。
基于Piché的随机模型，通过使用两个逼近函数对神经网络一类Sigmoid激活函数进行高精度逼近，获得了新的神经网络灵敏度计算公式，公式取消了对权值扰动和输入扰动的限制，与其他方法相比提高了计算精度，实验证明了公式的正确性和精确性。
基于Piché的随机模型，通过使用两个逼近函数对神经网络一类Sigmoid激活函数进行高精度逼近，获得了新的神经网络灵敏度计算公式，公式取消了对权值扰动和输入扰动的限制，与其他方法相比提高了计算精度，实验证明了公式的正确性和精确性。
2022/9/17 15:43:31
965KB
1
利用哈夫曼编码对数据进行无损紧缩，实现Huffman紧缩的编码器和译码器。
1．首先读入待紧缩源文件。
2．然后建立并分析字母表，对每种字符的出现频度进行统计，以频度作为建立Huffman树的权值。
3.频度表建好后，就可以根据算法建立Huffman树，对出现的每种字符进行Huffman编码。
4.此时，再次读入源文件，逐字节编码，将得到的编码流写入到磁盘文件。
5.译码过程先读入被紧缩的文件，将其解释为比特流，根据Huffman树，对比特流逐位译码，将译码结果逐次写入到磁盘文件。
1．首先读入待紧缩源文件。
2．然后建立并分析字母表，对每种字符的出现频度进行统计，以频度作为建立Huffman树的权值。
3.频度表建好后，就可以根据算法建立Huffman树，对出现的每种字符进行Huffman编码。
4.此时，再次读入源文件，逐字节编码，将得到的编码流写入到磁盘文件。
5.译码过程先读入被紧缩的文件，将其解释为比特流，根据Huffman树，对比特流逐位译码，将译码结果逐次写入到磁盘文件。
2018/9/23 3:32:33
154KB
1
RBF神经网络逼近函数、辨识模型，包括隐含层参数调整和权值参数调整，还有移植性超好的S函数哦。
simulink法式~
simulink法式~
2020/11/17 14:20:05
8KB
1
1.本设计要求写一个哈夫曼编码/译码系统。
要求：1.初始化（Initialization）。
从终端读入字符集大小n，以及n个字符和n个权值，建立哈夫曼树，并将它存于文件hfmTree中。
2.编码（Encoding）。
利用已建好的哈夫曼树（如不在内存，则从文件htmTree中读入），对文件ToBeTran中的正文进行编码，然后将结果存入文件CodeFile中。
3.译码（Decoding）。
利用已建好的哈夫曼树将文件CodeFile中的代码进行译码，结果存入文件TextFile中。
4.打印代码文件（Print）。
将文件CodeFile以紧凑格式显示在终端上，每行50个代码。
同时将此字符方式的编码写入文件CodePrint中。
5.打印哈夫曼树（TreePrinting）。
将已在内存中的哈夫曼树以直观的方式（树或凹入表方式）显示在终端上，同时将此字符方式的哈夫曼树写入文件TreePrint中。
资源包括：论文（分析、代码说明、逻辑结构）代码测试文件
要求：1.初始化（Initialization）。
从终端读入字符集大小n，以及n个字符和n个权值，建立哈夫曼树，并将它存于文件hfmTree中。
2.编码（Encoding）。
利用已建好的哈夫曼树（如不在内存，则从文件htmTree中读入），对文件ToBeTran中的正文进行编码，然后将结果存入文件CodeFile中。
3.译码（Decoding）。
利用已建好的哈夫曼树将文件CodeFile中的代码进行译码，结果存入文件TextFile中。
4.打印代码文件（Print）。
将文件CodeFile以紧凑格式显示在终端上，每行50个代码。
同时将此字符方式的编码写入文件CodePrint中。
5.打印哈夫曼树（TreePrinting）。
将已在内存中的哈夫曼树以直观的方式（树或凹入表方式）显示在终端上，同时将此字符方式的哈夫曼树写入文件TreePrint中。
资源包括：论文（分析、代码说明、逻辑结构）代码测试文件
2015/6/21 1:40:02
404KB
1
空时自适应信号处理_王永良,彭应宁著.pdf空时自适应信号处理（STAP）是相控阵机载雷达杂波抑制与目标检测的关键技术，已成为雷达界抢手的研究方向。
本书以相控阵机载预警雷达为背景，系统、深入地阐述了空时自适应处理的理论、方法及面向实际工程应用所涉及的有关问题。
书中总结了作者多年来的研究成果以及国际上这一领域的研究进展。
全书由十一章组成。
主要内容有空时自适应处理的研究进展及其相关问题，机载相控阵雷达杂波特性及其分析，空时自适应处理基本概念与原理，空时自适应处理的典型方法与分析，空时自适应处理的统一理论与处理框架，天线非正侧面阵放置时的空时自适应处理，杂波和有源干扰同时抑制的方法，空时自适应处理的权值算法等。
此外，书中还专门介绍了传统的机载雷达杂波抑制技术。
本书是关于空时自适应处理的一部专著，可作为雷达领域的专业参考书，也可作为研究生的选修教材，对从事通信、导航与声纳等领域的专业技术人员也有一定的参考价值。
本书以相控阵机载预警雷达为背景，系统、深入地阐述了空时自适应处理的理论、方法及面向实际工程应用所涉及的有关问题。
书中总结了作者多年来的研究成果以及国际上这一领域的研究进展。
全书由十一章组成。
主要内容有空时自适应处理的研究进展及其相关问题，机载相控阵雷达杂波特性及其分析，空时自适应处理基本概念与原理，空时自适应处理的典型方法与分析，空时自适应处理的统一理论与处理框架，天线非正侧面阵放置时的空时自适应处理，杂波和有源干扰同时抑制的方法，空时自适应处理的权值算法等。
此外，书中还专门介绍了传统的机载雷达杂波抑制技术。
本书是关于空时自适应处理的一部专著，可作为雷达领域的专业参考书，也可作为研究生的选修教材，对从事通信、导航与声纳等领域的专业技术人员也有一定的参考价值。
2022/9/7 23:28:36
4.66MB
1
项目设计：最小权顶点覆盖成绩给定一个赋权无向图G=(V,E)，每个顶点vV∈都有一个权值w(v)。
如果U包含于V，且对于，且对于(u,v)E∈有uU∈且vV∈-U，则有vK.∈如：U={1},若有边（1，2），则有2属于属于K.若有集合U包含于V使得U+K=V,就称U为图G的一个顶点覆盖。
G的最小权顶点覆盖是指的最小权顶点覆盖是指G中所含顶点权之和最小的顶点覆盖
如果U包含于V，且对于，且对于(u,v)E∈有uU∈且vV∈-U，则有vK.∈如：U={1},若有边（1，2），则有2属于属于K.若有集合U包含于V使得U+K=V,就称U为图G的一个顶点覆盖。
G的最小权顶点覆盖是指的最小权顶点覆盖是指G中所含顶点权之和最小的顶点覆盖
2022/9/7 6:19:41
279KB
1
常用的神经网络是通过固定的网络结构得到最优权值,使网络的实用性遭到影响。
引入了一种基于方向的交叉算子和变异算子,同时把模拟退火算法引入了遗传算法,结合遗传算法和模拟退火算法的优点,提出了一种优化神经网络结构的遗传——模拟退火混合算法,实现了网络结构和权值的同时优化。
仿真实验表明,与遗传算法和模拟退火算法相比,该算法优化的神经网络收敛速度较快、预测精度较高,提高了网络的处理能力。
引入了一种基于方向的交叉算子和变异算子,同时把模拟退火算法引入了遗传算法,结合遗传算法和模拟退火算法的优点,提出了一种优化神经网络结构的遗传——模拟退火混合算法,实现了网络结构和权值的同时优化。
仿真实验表明,与遗传算法和模拟退火算法相比,该算法优化的神经网络收敛速度较快、预测精度较高,提高了网络的处理能力。
2022/9/3 22:26:57
143KB
1
针对矿井灾祸事故后的人员疏散和实施救援等问题,建立矿井巷道网络模型,给出一种在三维空间中进行搜索的启发式函数设计思路。
根据该思路进行数据结构设计,以改进A*算法,并利用模糊逻辑的数据融合技术得到巷道的综合权值,将综合权值与改进的A*算法相结合,完成对矿井灾祸应急救援最短时间的路径求取,加快了系统运算速度,提高了救援效率。
根据该思路进行数据结构设计,以改进A*算法,并利用模糊逻辑的数据融合技术得到巷道的综合权值,将综合权值与改进的A*算法相结合,完成对矿井灾祸应急救援最短时间的路径求取,加快了系统运算速度,提高了救援效率。
2018/6/10 20:23:58
252KB
1
文件中给出案例数据，列代表指标集（输入集x:1-7,输出集y:8）行代表数据集。
可以用于本科毕业论文或者硕士毕业论文，首先使用SPSS进行出成分分析，然后将主成分得分值作为输入集，输出集保持不变。
通过该算法文件就可以得到预测值，具体步骤可以参考《基于SVM和LS-SVM的住宅工程造价预测研究》。
本算法使用BP神经网络的误差函数作为GWO算法的适应度函数，通过BP神经网络连接权值和阈值的数量来决定GWO算法中灰狼的维数，那么GWO算法寻优的过程就是权值和阈值更新的过程。
因而，GWO算法寻优的过程替代了BP神经网络梯度下降的过程。
经过不断更新和迭代，最终确定出全局最优值，即灰狼α所处的位置。
本算法输出的权值和阈值即作为神经网络的权值和阈值，不在通过神经网络继续训练。
可以参考文献《基于粒子群优化算法的BP网络学习研究》。
可以用于本科毕业论文或者硕士毕业论文，首先使用SPSS进行出成分分析，然后将主成分得分值作为输入集，输出集保持不变。
通过该算法文件就可以得到预测值，具体步骤可以参考《基于SVM和LS-SVM的住宅工程造价预测研究》。
本算法使用BP神经网络的误差函数作为GWO算法的适应度函数，通过BP神经网络连接权值和阈值的数量来决定GWO算法中灰狼的维数，那么GWO算法寻优的过程就是权值和阈值更新的过程。
因而，GWO算法寻优的过程替代了BP神经网络梯度下降的过程。
经过不断更新和迭代，最终确定出全局最优值，即灰狼α所处的位置。
本算法输出的权值和阈值即作为神经网络的权值和阈值，不在通过神经网络继续训练。
可以参考文献《基于粒子群优化算法的BP网络学习研究》。
2019/11/18 17:14:58
13KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB