期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于泛函连接网络和差分进化算法的后非线性混叠信号盲分离方法
被引量：
1
1
作者
高鹰
谢胜利
《电子与信息学报》
EI
CSCD
北大核心
2006年第1期50-54,共5页
把后非线性混叠信号盲分离的分离系统用泛函连接网络来建模,对分离系统的输出应用高阶统计量独立性准 则作为测度,然后利用差分进化算法对泛函连接网络的权值进行学习,从而获得了一种后非线性混叠信号盲分离算法。 由于泛函连接网络是...
把后非线性混叠信号盲分离的分离系统用泛函连接网络来建模,对分离系统的输出应用高阶统计量独立性准 则作为测度,然后利用差分进化算法对泛函连接网络的权值进行学习,从而获得了一种后非线性混叠信号盲分离算法。 由于泛函连接网络是一种单层神经网络,具有学习参数少、收敛速度快和非线性逼近能力强的特点;而差分进化算法 控制参数少、易于选择、具有全局寻优能力和快速的收敛特性;因而与其它的后非线性混叠信号盲分离方法相比,该 文提出的分离算法具有计算简单、收敛速度快、较高的精度和稳定性好的特点。仿真结果显示了这种方法是可行和有 效的。
展开更多
关键词
盲信号分离
后非线性混叠
泛函人工神经网络
差分进化算法
在线阅读
下载PDF
职称材料
基于PID神经网络的后非线性盲源分离算法
被引量：
1
2
作者
林用满
林土胜
《数据采集与处理》
CSCD
北大核心
2006年第3期260-265,共6页
P ID神经网络是一种新型的前向神经元网络,它的隐层单元包含比例(P)、积分(I)、微分(D)元,各层神经元个数、连接方式、连接权初值均按P ID控制规律的基本原则确定。本文研究了一种新的后非线性盲源分离算法,用最大熵值方法推导了P ID神...
P ID神经网络是一种新型的前向神经元网络,它的隐层单元包含比例(P)、积分(I)、微分(D)元,各层神经元个数、连接方式、连接权初值均按P ID控制规律的基本原则确定。本文研究了一种新的后非线性盲源分离算法,用最大熵值方法推导了P ID神经网络算法的后非线性分离学习公式,该算法可用于线性或后非线性的混叠信号。对输入2个混叠信号时,用单个P I神经网络分离;对输入3个混叠信号时,用单个P ID神经网络分离;对输入更多的混叠信号时,可采用多个独立的P ID神经网络来分离。仿真结果验证了单个P ID神经网络算法,能分离线性或后非线性混叠信号。
展开更多
关键词
盲源分离
PID神经网络
后非线性混叠
信号
最大熵值
在线阅读
下载PDF
职称材料
题名
基于泛函连接网络和差分进化算法的后非线性混叠信号盲分离方法
被引量：
1
1
作者
高鹰
谢胜利
机构
广州大学信息学院计算机科学与技术系
出处
《电子与信息学报》
EI
CSCD
北大核心
2006年第1期50-54,共5页
基金
国家自然科学基金(60274006)国家杰出青年基金(60325310)中国博士后科学基金(2003034062)广东省自然科学基金博士科研启动基金(04300015)广东省教育厅自然科学研究项目广州市科技计划项目(2004J1-C0323)广州市属高校科技计划项目(2055)资助课题
文摘
把后非线性混叠信号盲分离的分离系统用泛函连接网络来建模,对分离系统的输出应用高阶统计量独立性准 则作为测度,然后利用差分进化算法对泛函连接网络的权值进行学习,从而获得了一种后非线性混叠信号盲分离算法。 由于泛函连接网络是一种单层神经网络,具有学习参数少、收敛速度快和非线性逼近能力强的特点;而差分进化算法 控制参数少、易于选择、具有全局寻优能力和快速的收敛特性;因而与其它的后非线性混叠信号盲分离方法相比,该 文提出的分离算法具有计算简单、收敛速度快、较高的精度和稳定性好的特点。仿真结果显示了这种方法是可行和有 效的。
关键词
盲信号分离
后非线性混叠
泛函人工神经网络
差分进化算法
Keywords
Blind signal separation, Post nonlinear mixtures, Functional artificial neural network, Differential evolution algorithm
分类号
TN911.72 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于PID神经网络的后非线性盲源分离算法
被引量：
1
2
作者
林用满
林土胜
机构
华南理工大学电子与信息学院
出处
《数据采集与处理》
CSCD
北大核心
2006年第3期260-265,共6页
基金
国家自然科学基金(604720067)资助项目
广东省自然科学基金(04205783)资助项目
文摘
P ID神经网络是一种新型的前向神经元网络,它的隐层单元包含比例(P)、积分(I)、微分(D)元,各层神经元个数、连接方式、连接权初值均按P ID控制规律的基本原则确定。本文研究了一种新的后非线性盲源分离算法,用最大熵值方法推导了P ID神经网络算法的后非线性分离学习公式,该算法可用于线性或后非线性的混叠信号。对输入2个混叠信号时,用单个P I神经网络分离;对输入3个混叠信号时,用单个P ID神经网络分离;对输入更多的混叠信号时,可采用多个独立的P ID神经网络来分离。仿真结果验证了单个P ID神经网络算法,能分离线性或后非线性混叠信号。
关键词
盲源分离
PID神经网络
后非线性混叠
信号
最大熵值
Keywords
blind source separation
PID neural network
post-nonlinear mixing signals
maximum entropy
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于泛函连接网络和差分进化算法的后非线性混叠信号盲分离方法
高鹰
谢胜利
《电子与信息学报》
EI
CSCD
北大核心
2006
1
在线阅读
下载PDF
职称材料
2
基于PID神经网络的后非线性盲源分离算法
林用满
林土胜
《数据采集与处理》
CSCD
北大核心
2006
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
