虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

自适应神经网络

自适应神经网络(adaptiveneuralnetwork)是2018年公布的计算机科学技术名词。
  • 神经网络15本

    ·人工神经网络与模拟进化计算.pdf人工神经网络与盲信号处理.pdf人工神经网络实用教程.pdf人工神经网络理论及应用.pdf人工神经网络建造.pdf人工神经网络技术及应用.pdf人工神经网络的模型及其应用.pdf人工神经网络导论.pdf人工神经网络——第六代计算机的实现.pdf基于神经网络的智能诊断.pdf二进前项人工神经网络----理论及应用.pdf电脑人脑化 神经网络.pdf大脑设计 

    标签: 神经网络

    上传时间: 2013-04-24

    上传用户:lty6899826

  • 神经网络

    神经网络经典教材。使大家更快的学习神经网络

    标签: 神经网络

    上传时间: 2013-08-04

    上传用户:ZHWKLIU

  • FPGA的神经网络硬件实现中的关键问题研究

    基于FPGA的神经网络硬件实现中的关键问题研究,适合用fpga研究神经网络的工程人员参考

    标签: FPGA 神经网络 硬件实现

    上传时间: 2013-08-07

    上传用户:13215175592

  • 神经网络算法的FPGA实现

    神经网络算法的FPGA实现,英文版,具有很强的实用价值

    标签: FPGA 神经网络算法

    上传时间: 2013-08-15

    上传用户:cc1

  • FPGA神经网络设计(影印本)

    FPGA神经网络设计(影印本),全英文,很有用

    标签: FPGA 神经网络

    上传时间: 2013-08-20

    上传用户:rologne

  • 文档是关于自适应信号处理算法研究及FPGA实现的文章

    文档是关于自适应信号处理算法研究及FPGA实现的文章,

    标签: FPGA 文档 信号处理 算法研究

    上传时间: 2013-08-27

    上传用户:Maple

  • 基于BP神经网络和灰色理论的示功图故障诊断

      抽油井故障诊断系统是油井系统产量的关键,为了更好更快地对当前油井系统进行诊断以保证石油的产量,人们利用各种各样的技术来完成这一目标。示功图的诊断法是油田有杆抽油诊断的主要方法,文章根据示功图诊断的特点,提取出灰度矩阵特征向量,运用神经网络对有杆抽油油田典型故障诊断进行建模,最后用实例验证了此方法的正确性。实验证明,本系统不仅可行性好,而且故障识别率高,对增加油井产量有重要意义。

    标签: BP神经网络 灰色理论 故障诊断

    上传时间: 2013-10-17

    上传用户:alex wang

  • 基于神经网络的某型飞机发动机故障诊断研究

      航空发动机故障诊断技术对避免飞行事故和降低飞行器运行成本是十分重要的。提出一种BP网络对某型飞机发动机进行故障诊断,但是由于BP网络收敛速度较慢而且容易陷入局部极小值,特别是BP网络通常只能给出一个解,受训练样本病态影响大。因此通过对BP网络的改进,建立了L-M算法神经网络的飞机发动机故障诊断模型。实验表明,该网络在一定程度上克服了BP网络存在的的问题,在逼近能力、分类能力和学习速度等方面均优于BP网络。为机务人员提供了有效的、科学的发动机故障诊断方法,该种评估手段较好地解决了发动机故障诊断问题,在飞行安全中发挥着越来越大的作用。

    标签: 神经网络 发动机 故障诊断 飞机

    上传时间: 2014-12-23

    上传用户:小儒尼尼奥

  • 自适应滤波器的MATLAB实现

    自适应滤波器的原理分析和设计流程,及matlab程序

    标签: MATLAB 自适应滤波器

    上传时间: 2013-10-18

    上传用户:glxcl

  • 一种新的自适应数字水印算法

    为了提高数字水印抗击各种图像攻击的性能和保持图像的稳健性和不可见性,提出了一种基于离散小波变换(DWT),SVD(singular value decomposition)奇异值分解水印图像和原始载体图像的离散余弦变换(DCT)的自适应水印嵌入算法,主要是将水印图像的两次小波变换后的低频分量潜入到原始图像分块经过SVD分解的S分量矩阵中,同时根据图像的JPEG压缩比的不同计算各个图像块的水印调节因子。实验证明该算法在抗击JPEG压缩、中值滤波、加噪等均具有很好的鲁棒性,嵌入后的图像的PSNR达到38,具有良好的视觉掩蔽性

    标签: 数字水印算法

    上传时间: 2013-10-09

    上传用户:ca05991270