典型相关分析matlab实现代码DCCA：深度规范相关分析
这是带有pytorch的Python中的深度规范相关性分析（DCCA或Deep
CCA）的实现，它支持多GPU训练。
DCCA是CCA的非线性版本，它使用神经网络代替线性变换器作为映射函数。
DCCA最初是在以下论文中提出的：
Galen
Andrew，Raman
Arora，Jeff
Bilmes，Karen
Livescu，“”，ICML，2013年。
它使用最新的pytorch1.0-preview。
由于网络的损失函数需要计算对称矩阵特征值分解的梯度。
基本的建模网络可以轻松地被更高效，更强大的网络（如CNN）取代。
大多数配置和参数是根据以下文件设置的：
Wang
Weiran，Raman
Arora，Karen
Livescu和Jeff
Bilmes。
“”，ICML，2015年。
预先要求
python
3.6+
pytorch
1.0+（支持为对称矩阵（symeig）计算特征值分解的梯度）
您还可以按以下方式安装环境：
conda
create
-f
requirement.yml
conda
activate
2022-03-26 10:20:37
14KB
1
卡尔曼
适用于Java的Kalman过滤器。
依存关系
该模块需要一个sylvester.js（ ）兼容的矩阵和矢量处理模块。
用法
使用卡尔曼滤波器模块非常简单：
< script type =" text/javascript " src =" sylvester.src.js " > </ script >
< script type =" text/javascript " src =" ../kalman.js " > </ script >
< script type =" text/javascript " >
var x_0 = $V ( [ - 10 ] ) ;
var P_0 = $M ( [ [ 1 ] ] ) ;
var F_k = $M ( [ [ 1 ] ] ) ;
var Q_k = $M ( [ [ 0 ] ] ) ;
var KM = new Kalma
2022-03-25 20:26:09
13KB
1
研究了利用扩展卡尔曼滤波器(extended kalman filter，EKF)对永磁同步电机(permanent magnet synchronous motor，PMSM)矢量控制系统进行参数精确估计的方法。通过引入定子电流和电压，在线估计电机的定子磁链、电机转速和转子位置，进而实现永磁同步电机的无传感器控制。仿真结果表明EKF准确地观测了电机转速和磁链，所构建的无速度传感器矢量控制系统具有良好的控制性能。
2022-03-25 17:12:33
252KB
1
一个讲述卡尔曼滤波的非常详尽的论文，关于经典公式中的各个参数的意义及设置，以及对于EKF、UKF等的讲解也很好。
2022-03-24 21:39:21
388KB
1
一种二阶动力电池的扩展卡尔曼滤波SOC估计，陈福熙，皇甫宜耿，为了提高电动汽车的整体性能,延长动力电池的使用寿命,需要一个高效的电池管理系统。针对锂离子电池存在平台电压导致SOC估计难度增�
2022-03-24 20:47:10
501KB
1