优秀论文及配套源码。
Hilbert-Huang变换(HHT)是一种新的非平稳信号处理技术,该方法由经验模态分解(EMD)与Hilbert谱分析两部分组成。
任意的非平稳信号首先经过EMD方法处理后被分解为一系列具有不同特征尺度的数据序列,每一个序列称为一个固有模态函数(IMF),然后对每个IMF分量进行Hilbert谱分析得到相应分量的Hilbert谱,汇总所有Hilbert谱就得到了原信号的谱图。
该方法从本质上讲是对非平稳信号进行平稳化处理,将信号中真实存在的不同尺度波动或趋势逐级分解出来,最终用瞬时频率和能量来表征原信号的频率含量。
本文研究了基于HHT的暂态电能质量扰动检测方法,介绍了HHT的基本原理和利用HHT检测电能质量多扰动信号的实现方法。
仿真试验表明该方法可以实时检测扰动的起止时刻,持续时间和扰动幅度,适用于电能质量多扰动的监测和辨识系统。
2024/4/24 17:22:28 314KB hht 故障诊断
1
讲述永磁同步电机的参数辨识方法,包括定子电阻、直轴电感和交轴电感,对初学者有很好的帮助。
2024/4/23 3:53:17 11.87MB 电机驱动
1
针对电池一阶模型,使用最小二乘法进行参数辨识,使误差最小。
有研究电池模型或者最小二乘法的同学可以过来看看。
1
应用最小二乘一次完成法和递推最小二乘法算法的系统辨识实验报告,包含概念理论及Matlab报告程序。
完备的资料。
你值得拥有。





1
深度学习(DeepLearning)是机器学习(MachineLearning)中近年来备受重视的一支,深度学习根源于类神经网络(ArtificialNeuralNetwork)模型,但今日深度学习的技术和它的前身已截然不同,目前最好的语音识别和影像辨识系统都是以深度学习技术来完成,你可能在很多不同的场合听过各种用深度学习做出的惊人应用(例如:最近红遍大街小巷的AlphaGo),听完以后觉得心痒痒的,想要赶快使用这项强大的技术,却不知要从何下手学习,可以学习一下这个资料。
可以毫不犹豫的说,这个资料是我看过最系统,也最通俗易懂的关于深度学习的文章。
它是由台大教授李宏毅讲解一天搞懂深度学习讲课的PPT,PPT主要包含四部分:什么是深度学习、深度学习的各种小技巧、有记忆力的深度学习模型、深度学习的应用和展望。
OutlineLectureI:IntroductionofDeepLearningLecturell:TipsforTrainingDeepNeuralNetworkLecturelll:ariantsofneuralNetworkLecturev:NextWaveLectureIntroductionofDeeplearningOutlineoflecturentroductionofDeepLearningLet'sstartwithgeneralmachinelearningWhyDeep"HelloWorldforDeepLearningMachineLearningLookingforafunctionSpeechrecognitionHowareyouImagerecognition=“Cat"Playinggo5-5″(nextmoveDialogueSystemHello(whattheusersaid)(systemresponseImageRecognition:FrameworkcatAsetofModefunctioncat)=“money"dosnakeImageRecognition:FrameworkcatAsetofModelf(41)="cat"f(=“moneyfunctionBetter)=“dog"f2(nakeGoodnessoffunctionfSupervisedLearningTrainingDatamonkey”“cat"“dogImageRecognition:FrameworkcatModelTrainingTestinAsetofunctioncatStepGoodnessofPickthe"Best"FunctionUsingfunctionfStepStep3TrainingDatamonkey”“cat"“dogThreestepsfordeeplearningStepStepStep3:pickdefineasetgoodnessofthebestoffunctionfunctionfunctionDeepLearningissosimple3DCTENCENTCO
2024/4/13 10:23:53 10.52MB 深度学习
1
用MATLAB来做最小二乘参数辨识,含有代码,结果分析。
2024/4/12 8:21:09 947KB 系统辨识 最小二乘法
1
目录1. 一般最小二乘法 31.1. 一次计算最小二乘算法 31.2. 递推最小二乘算法 32. 遗忘因子最小二乘算法 62.1. 一次计算法 62.2. 递推算法 63. 限定记忆最小二乘递推算法 94. 偏差补偿最小二乘法 115. 增广最小二乘法 136. 广义最小二乘法 157. 辅助变量法 178. 二步法 199. 多级最小二乘法 2110. Yule-Walker辨识算法 23Matlab程序附录 24附录1、最小二乘一次计算法 24附录2、最小二乘递推算法 25附录3、遗忘因子最小二乘一次计算法 26附录4、遗忘因子最小二乘递推算法 27附录5、限定记忆最小二乘递推算法 29附录6、偏差补偿最小二乘递推算法 31附录7、增广最小二乘递推算法 32附录8、广义最小二乘递推算法 34附录9、辅助变量法 36附录10、二步法 38附录11、多级最小二乘法 39附录12、Yule-Walker辨识算法 42
1
利用扩展卡尔曼滤波器对动力电池SOC参数进行辨识,对极化电容,放电电阻等参数进行识别,实现高精度的SOC辨识,准确度高!
2024/3/18 4:11:11 17KB 电池SOC 扩展卡尔曼滤波 Simulink
1
ISBN:7-03-012737-4价格:CNY23.00(含光盘)ISBN:7-900146-18-0价格:语种:chi题名:系统辨识及其MATLAB仿真/侯媛彬,汪梅,王立琦编著,出版发行:出版地:北京出版社:科学出版社出版日期:2004载体形态:248页图24cm光盘1片摘要:本书系统地论述了古典、现代辨识理论和方法,并探讨了多种新的非线性智能辨识技术,分析了各种方法的一致性和特点,以及MATLAB软件对各种辨识方法的实现途径。
主题:系统辨识高等院校主题:计算机仿真计算机辅助计算中图分类:N945.14版次:4中图分类:TP391.9版次:4主要著者:侯媛彬编著主要著者:汪梅编著主要著者:王立琦编著内附打开密码
2024/3/9 18:48:23 701KB 系统辨识 matlab 代码
1
目录第1章线性神经网络的工程应用1.1系统辨识的MATLAB实现1.2自适应系统辨识的MATLAB实现1.3线性系统预测的MATLAB实现1.4线性神经网络用于消噪处理的MATLAB实现第2章神经网络预测的实例分析2.1地震预报的MATLAB实现2.1.1概述2.1.2地震预报的MATLAB实例分析2.2交通运输能力预测的MATLAB实现2.2.1概述2.2.2交通运输能力预测的MATLAB实例分析2.3农作物虫情预测的MATLAB实现2.3.1概述2.3.2农作物虫情预测的MATLAB实例分析2.4基于概率神经网络的故障诊断2.4.1概述2.4.2基于PNN的故障诊断实例分析2.5基于BP网络和Elman网络的齿轮箱故障诊断2.5.1概述2.5.2基于BP网络的齿轮箱故障诊断实例分析2.5.3基于Elman网络的齿轮箱故障诊断实例分析2.6基于RBF网络的船用柴油机故障诊断2.6.1概述2.6.2基于RBF网络的船用柴油机故障诊断实例分析第3章BP网络算法分析与工程应用3.1数值优化的BP网络训练算法3.1.1拟牛顿法3.1.2共轭梯度法3.1.3LevenbergMarquardt法3.2BP网络的工程应用3.2.1BP网络在分类中的应用3.2.2函数逼近3.2.3BP网络用于胆固醇含量的估计3.2.4模式识别第4章神经网络算法分析与实现4.1Elman神经网络4.1.1Elman神经网络结构4.1.2Elman神经网络的训练4.1.3Elman神经网络的MATLAB实现4.2Boltzmann机网络4.2.1BM网络结构4.2.2BM网络的规则4.2.3用BM网络解TSP4.2.4BM网络的MATLAB实现4.3BSB模型4.3.1BSB神经模型概述4.3.2BSB的MATLAB实现第5章预测控制算法分析与实现5.1系统辨识5.2自校正控制5.2.1单步输出预测5.2.2最小方差控制5.2.3最小方差间接自校正控制5.2.4最小方差直接自校正控制5.3自适应控制5.3.1MIT自适应律5.3.2MIT归一化算法第6章改进的广义预测控制算法分析与实现6.1预测控制6.1.1基于CARIMA模型的JGPC6.1.2基于CARMA模型的JGPC6.2神经网络预测控制的MATLAB实现第7章SOFM网络算法分析与应用7.1SOFM网络的生物学基础7.2SOFM网络的拓扑结构7.3SOFM网络学习算法7.4SOFM网络的训练过程7.5SOFM网络的MATLAB实现7.6SOFM网络在实际工程中的应用7.6.1SOFM网络在人口分类中的应用7.6.2SOFM网络在土壤分类中的应用第8章几种网络算法分析与应用8.1竞争型神经网络的概念与原理8.1.1竞争型神经网络的概念8.1.2竞争型神经网络的原理8.2几种联想学习规则8.2.1内星学习规则8.2.2外星学习规则8.2.3科荷伦学习规则第9章Hopfield神经网络算法分析与实现9.1离散Hopfield神经网络9.1.1网络的结构与工作方式9.1.2吸引子与能量函数9.1.3网络的权值设计9.2连续Hopfield神经网络9.3联想记忆9.3.1联想记忆网络9.3.2联想记忆网络的改进9.4Hopfield神经网络的MATLAB实现第10章学习向量量化与对向传播网络算法分析与实现10.1学习向量量化网络10.1.1LVQ网络模型10.1.2LVQ网络学习算法10.1.3LVQ网络学习的MATLAB实现10.2对向传播网络10.2.1对向传播网络概述10.2.2CPN网络学习及规则10.2.3对向传播网络的实际应用第11章NARMAL2控制算法分析与实现11.1反馈线性化控制系统原理11.2反馈线性控制的MATLAB实现11.3NARMAL2控制器原理及实例分析11.3.1NARMAL2控制器原理11.3.2NARMAL2控制器实例分析第12章神经网络函数及其导函数12.1神经网络的学习函数12.2神经网络的输入函数及其导函数12.3神经网络的性能函数及其导函数12.3.1性能函数12.3.2性能函数的导函数第13章Simulink神经网络设计13.1Simulink交互式仿真集成环境13.1.1Simulink模型创建1
2024/3/1 2:25:47 10.12MB MATLAB R2016a 神经网络 案例分析
1
共 160 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡