搜索资源列表
-
0下载：
This derivation of the normalised least mean square algorithm is based on Farhang-
Boroujeny 1999, pp.172-175, and Diniz 1997, pp 150-3. To derive the NLMS algorithm
we consider the standard LMS recursion, for which we select a variable step size
-
-
0下载：
该程序是分段函数：
akm(m,n){
n+1 m =0
akm(m-1,1) m!=0,n=0
akm(m-1),(akm(m,n-1)) m!=0,n!=0
实现递归和非递归的算法
非递归算法可能使计算时间减少-The program is piecewise function:
Akm (m, n) {
N+ 1 m = 0
Akm (m-1, 1) m! = 0, n = 0
Akm (m-1) (akm (m, n-1)) m! = 0, n.=
-
-
1下载：
增广最小二乘的递推算法对应的噪声模型为滑动平均噪声，扩充了参数向量和数据向量H（k）的维数，把噪声模型的辨识同时考虑进去。最小二乘法只能获得过程模型的参数估计，而增广最小二乘法同时又能获得噪声模型的参数估计，若噪声模型为平均滑动模型，，则只能用RELS算法才能获得无偏估计。当数据长度较大时，辨识精度低于极大似然法。-Augmented least squares of recursion algorithm corresponding noise model for moving average
-
-
0下载：
辨识模型与遗忘因子法所用模型相同，其中， 0 ≤μ≤1为遗忘因子， 此处取0.98。 数据长度L=402。一次算法和递推算法结果基本一致，但递推算法可以实现在线实时辨识，而且可以减少计算量和存储量。-Identification model and forgetting factor method used the same model, among them, 0 or less or less 1 μ for forgetting factor, here take 0.98. Data l
-
-
0下载：
自适应动态规划介绍。一种求解动态规划方法HJB方程的自学习控制算法，称其为自适应动态规划算法。所提的算法可以用来解决未知离散时间非线性系统的最优控制问题，同时给出了该控制算法的收敛性证明。算法的实现用到了三个神经网络，在递推的每一步分别用来近似性能指标函数、最优控制律和未知非线性系统。-Adaptive Dynamic Programming introduction. Dynamic programming method for solving the HJB equation self-le
-
