搜索资源列表
DGPSO.rar
- 用于求解约束优化问题的算法，算法为差分进化/遗传算法/微粒群算法的融合。对于“[7] T. P. Runarsson and X. Yao, Stochastic ranking for constrained evolutionary optimization, IEEE Trans. Evol. Comput., vol. 4, no. 3, pp. 284-294, Sep. 2000”中给出的13个标准测试函数，均能得到问题最优解。如有任何疑问，请于http://2shi.phphube
phase-basedTNN2002
- 基于相位的光流估计，Trans NN 2002的文章-Gautama, T. and Van Hulle, M.M. (2002). A Phase-based Approach to the Estimation of the Optical Flow Field Using Spatial Filtering, IEEE Trans. Neural Networks, 13(5), 1127--1136
GM_PHDpaper
- IEEE trans. 发表的高斯概率假设密度滤波的开创性文章-It is published in an IEEE tans. on Gaussian mixture probability hypothesis density filter and finite random set
PF_PHDpaper
- 粒子滤波实现的概率假设密度滤波和随机集领域的开创性文章，发表于IEEE trans-It is presened on the particle filter for the probability hypothesis density filter and finite random set
closeForm_PHD
- IEEE trans上发表的高斯混合概率假设密度滤波的证明性论文-It is presened for the GM probability hypothesis density filter and finite random set
11
- 采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过 对车辆变速器齿轮运行状态特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网 络训练,从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中,能 够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有 效、可行。 -Fault Diagnosis of Vehicle Transmissi
12
- 采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状态特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网络训练,从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中,能够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有效、可行。 -Fault Diagnosis of Vehicle Transmission Gear Base
13
- 采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状态特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网 络训练,从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中,能 够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有 效、可行。 -Based on time series analysis and BP neu
14
- 采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状态特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网 络训练,从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中,能 够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有 效、可行。 -Based on time series analysis and BP neu
CLPSO_code
- 综合学习粒子群算法代码，基于J.J.liang2006年发表在Trans的一点文章。-Comprehensive learning particle swarm optimizer for global optimization of multimodal functions
ANFIS
- C codes and simulation examples for the ANFIS by Jang (Absolutely original version )-This attached file contains C code and simulation examples for the ANFIS (Adaptive-Network-based Fuzzy Inference System) architecture proposed in [1,2]. Related