【老生谈算法】基于LMS算法的自适应对消器的MATLAB实现.docx

提出一种基于非下采样Contourlet变换的径向基神经网络(RBF)自适应阂值去噪方法。在NSCT域通过RBF神经网络使目标误差函数GCV(T)的最小化,从而确定最优阂值,再通过软阂值函数去噪。利用NSCT的平移不变性来抑制伪Gibbs失真,从而能完整地保留图像的纹理和边缘等信息。实验结果表明,该方法可以有效去除高斯噪声,提高图像的峰值信噪比。

我下载了一些多任务强化学习的文章，并且将其翻译成中文了。

我将最近几年的多智能体强化学习的研究文献下载下来，并且翻译成中文了。大家可以借鉴一下

分析了分布式电源(DG)并入配电网后,传统的接线结构由单电源供电网络变为了多电源供电网络,改变了系统的潮流分布,继而配电网继电保护出现不协调的问题。针对DG并网后带来的误动、拒动和灵敏度降低等一系列问题,提出了一种通信式自适应电流保护方法,采用GOOSE over UDP实现信息传输并和自适应电流整定方法相结合,解决了DG接入配电网带来的问题。

该资源是最新2022年差分进化算法处理单目标优化的文章代码还原，内包含测试集CEC2005/CEC2013/CEC2017/标准测试集，其都可以采用该算法优化

用Verilog写的串口自适应的程序，可以适应在110，300，600，900，1200，2400，4800，9600，1440，19200，15600，115200等多种串口模式下实现通信，其中包括波特率发生模块，端口波特率侦测模块，老外写的，值得借鉴

为了进一步改善非线性功率放大器系统的线性度,提出了一种基于BP神经网络逆向建模的离线训练自适应预失真方法。利用BP神经网络对功放逆向建模,并将建立好的逆模型参数作为预失真器模型初值。为了提高在初始预失真系统中预失真器的线性化效果及系统自适应进程的速度,在建立自适应预失真系统之前,利用BP逆向模型对预失真器进行离线训练。最后采用直接结构和最小均方(LMS)算法调节神经网络预失真器的权值,以消除放大器非线性的扰动。仿真结果显示,此方案可使邻道互调功率降低约18 dB,而经典的直接—非直接结构只降低了8 dB,表明此预失真方案能够更好地改善功率放大器的线性度。

逆强化学习专栏中学徒学习的配套论文

会议论文的MATLAB代码： MK Naik 和 R. Panda，“一种用于基于人脸识别的内在判别分析的新型自适应布谷鸟搜索算法”，Applied Soft Computing，Vol。 38，第 661-675 页，2016 年。 与 CS 算法相比，ACS 算法需要更少的时间。 除了布谷鸟/主机的数量、搜索范围和放弃概率之外，它不需要预定义的参数。 该算法对于决定参数可能会影响性能的应用是有效的。