排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
提出了一类基于贴近度理论的模糊ART神经网络模型,简称为CBFART(Closeness Based Fuzzy ART)模型,将模糊数学中的贴近度(Closeness)和择近原则(Closest Principle)概念与自适应共振理论(ART)相结合,形成了一种新的网络模型。该模型的学习以匹配-委托循环为特点,网络分类遵循择近原则,补码编码、匹配-委托和快速委托-慢性重编码方案相结合,保证了网络学习的收敛性和稳定性,并可以做到一次性学习、提高了学习速度。文中对高维样本进行分类仿真,给出了仿真结果,分析表明该模型具有良好的聚类特性,能够稳定地对高维样本进行分类。 相似文献
2.
传统的控制方法大多需要知道被控对象的数学模型 ,而许多复杂的实际系统 ,其准确的数学模型往往不易得到 ,或者难以求解。采用自适应滑模变结构控制方法 ,对形如 x(n) =f( x,t) g( x,t) u d( t)的非线性系统进行跟踪控制 ,其中 f( x,t)和 g( x,t)为未知非线性函数 ,且其边界未知 ,d( t)为未知有界扰动 ,为减少对被控制对象信息的依赖性 ,没有利用专家知道 ,也没有利用被控对象的历史运行数据 ,通过利用基函数类神经网络动态逼近函数 f( x,t)和 g( x,t) ,对自适应调整控制系统输入 ,得出基于 RBF网络的滑模变结构自适应控制方案 ,经过理论分析 ,证明了控制方案的稳定性。仿真结果表明了该方案的可行性的实用性 相似文献
3.
基于对数似然比的BP译码算法与标准BP译码算法相比,降低了一定的运算量,但仍具有较高的计算复杂度,硬件实现时需要消耗较高的资源。针对此问题,提出了一种变量节点动态更新选择的对数似然比BP译码算法,根据每一次迭代后变量节点外信息的收敛情况及校验方程的满足情况,动态地选择置信度最低的部分节点参与更新,其他置信度较高的节点则不进行更新。仿真结果显示,该算法译码性能与对数似然比BP译码算法相比,在0.5码率,10-4误码率时,1 024码长有0.1dB的性能损失,2 048码长性能损失仅有0.07dB,但从第4次迭代开始归一化运算量至少降低了50%。 相似文献
4.
5.
提出了一种带有增强和变换因子的三层结构的双向联想记忆神经网络。介绍了增强和变换因子的巧妙选取方法,此方法可使网络很好地适用于相关度很高的样本。但是网络容量的增加往往伴随着寄生稳态点的增加,为避免这种情况,在网络中引入三层结构,这种新的双向联想记忆神经网络能够确保任意相关的样本达到完美的双向联想记忆。仿真实验证明了该方法的优越性。 相似文献
6.
克服短波信道的频率选择性衰落的关键是准确的信道估计,本文针对短波信道的慢衰落特性,提出了短波信道下联合低密度奇偶校验(LDPC)译码的正交频分复用(OFDM)系统迭代信道估计方法,该方法根据迭代估计的思想,首先利用插入导频进行信道初始估计,经过LDPC译码产生可靠的判决信息,通过在信道估计和译码之间迭代地交换信息来完成联合信道估计和译码,提高OFDM信道估计的精度和系统的误码率性能。仿真表明,在相同仿真条件下,与几种传统信道估计算法相比,提出的迭代信道估计算法,可以提高3 dB的编码增益。 相似文献
1