RBF 神经网络（激活函数的中心和分布随机选择） 参数（K：内核数） RBFNN 有 5 个优化参数： 1- 隐藏层和输出层之间的权重。 2- 激活函数。 3- 激活函数的中心。 4- 激活函数的分布。 5- 隐藏神经元的数量。 隐藏层和输出层之间的权重使用 Moore-Penrose 广义伪逆计算。 该算法克服了传统梯度算法中的许多问题，如停止标准、学习率、时期数和局部最小值。 由于其较短的训练时间和泛化能力，适合实时应用。 选择的径向基函数通常是用于模式识别应用的高斯核。 通常激活函数的中心和分布应该具有与数据相似的特征。 这里，高斯分布的中心和宽度是随机选择的。 基于通用逼近理论中心和激活函数的分布是不确定的，如果隐藏神经元数量足够多，可以说具有足够数量隐藏神经元的单隐藏层前馈网络可以将任何函数逼近任意级别的准确性。

rtabmap parameters setting.docx

WRF simulation case setting parameters

sobol算法完成四个参数的参数敏感性分析，对于数学模型的优化有较大作用

Serial Flash Discoverable Parameters，This standard was prepared by the JEDEC SFDP Task Group authorized by the JC-42.4 Committee Chairman. It was derived from prior work done by Intel on their ‘Serial Flash Discoverable Parameters Guidelines’ document

用PSO优化LSSVM的参数，得到最优参数，使得分类更加准确。(Using the PSO the LSSVM the parameter, the optimal parameters, more accurate classification. )

该工具允许使用 SISO 系统的复杂频率响应函数 (FRF) 识别模态参数、特征频率、模态阻尼因子和模态残差。 该算法基于- 使用离散时间 z 模型的线性平方复频率估计器 (LSCF) - 最小二乘频域估计器 (LSFD)。 识别顺序的选择和物理极点的选择通过使用频率和阻尼收敛准则的稳定图来辅助。 然后可以自动解释稳定化图表。 该文件夹包含： - 基于具有低阻尼 (OMG.mat, FRF.mat) 或高阻尼 (OMG.mat, FRF_hd.mat) 的数值 4 自由度系统的文件示例 (file_example.m)。 -函数time2frf.m允许以.txt格式加载时间数据（时间，输入，输出），并返回复数FRF和固有频率矢量。 -函数select_frf.m允许在指定频率范围内选择FRF的一部分。 - 函数 lscf.m 在指定阶次或使用指定阶次范围内的稳定图估计特征频率

matlab最简单的代码

永磁同步电机参数测试方法，用于测试反电动势，定子电阻电感等参数。

使用自动峰检测将 n 个洛伦兹峰拟合到 xy 数据（调整 minpeakheight 和 minpeakwidth 以获得更好的检测） 另见https://www.mathworks.com/matlabcentral/fileexchange/63771-fitngaussian-xy--parameters - 如何使用： 1.下载fitnlorentzian.m加上4peaksdata.dat中的示例数据（ https://github.com/ebauch/matlab/blob/master/4peaksdata.dat ） 2.在matlab中运行 % 导入 xy 数据xydata = load('4peaksdata.dat'); ％拟合数据的n = 1，...，4个峰n = 3; fitnlorentzian(xydata, n) 代码维护在 https://git