基于Elman神经网络的峰值检波方法..pptxVIP

下载本文档

16
0
约小于1千字
约 12页
2019-01-14 发布于湖北
举报
版权申诉

基于Elman神经网络的峰值检波方法..pptx

1、本文档共12页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于Elman神经网络的峰值检波方法;反馈型神经网络：recurrent networks Elman网络：两层反向传播网络 Hopfield网络：联想记忆网络;Elman网络是 J. L. Elman于1990年首先针对语音处理问题而提出来的, 它是一种典型的局部回归网络( global feed for ward l ocal recurrent)。Elman网络可以看作是一个具有局部记忆单元和局部反馈连接的前向神经网络。;隐层：tansing神经元；输出层：purelin神经元；效果：以任意精度，逼近任意函数；条件：在连续有限的时间内； ;第一层反馈节点：其延迟量存储前一时刻值。既可以学习时域模式，也可以学习空域模式。既可以产生空间分类结果，也可以产生时域变化关系。;在Matlab神经网络工具箱中，创建Elman神经网络的函数为newelm。反向传播训练算法的默认函数为trainbfg或者trainman。默认的权值和阈值的反向传播学习函数为learngdm。默认的误差性能函数为mse。网络建立后，每个网络层的权值和阈值都以Nguyen-Widrow网络层初始化方法进行初始化，实现函数为initnw。 ;Elman网络的训练可采用train或adapt两个函数中的任意一个。当采用函数train时，每一步迭代过程按以下步骤进行： 1、产生误差序列； 2、确定权值和阈值的误差梯度； 3、将梯度用于权值修正。 ;训练样本集中的输入样本采用三角波调制的调幅波形; 调幅度为100%; 载波频率为3.18Hz（20rad/s）; 调制信号频率为0.11Hz(0.67rad/s); 目标向量为调制信号；;Mse:均方误差，性能评价函数。 ;;从运行结果可以看出，输出信号和调制信号基本吻合，所设计的网络可以很好地完成不同调制信号、不同调幅度的峰值检波，输出波形中的波纹可以通过低通滤波器滤除。;谢谢！