为了解决传统BP （Back Propagation）神经网络收敛较慢的问题，通过BP神经网络搭建火点预测模型，采用一种自适应学习率的方法改进BP神经网络，经比较该算法收敛较快，模型输出可达到预期效果.同时利用现场可编程逻辑门阵列（FPGA）的动态可重构技术实现了改进后的神经网络，通过仿真和结果测试，该设计在预测结果的基础上又大大减少了预测时间，为环保预测、检测轨迹规划提供了一定的理论基础.

基于直方图的分布估计算法matlab源程序，测试函数选用的是30维函数-Estimation algorithm based on histogram matlab source code, test function selected is 30-dimensional function

格文斯 GVINS：紧密耦合的GNSS-视觉-惯性融合，用于平稳一致的状态估计。 GVINS是一个基于非线性优化的系统，该系统将GNSS原始测量结果与视觉和惯性信息紧密融合在一起，可进行实时和无漂移状态估计。 通过合并GNSS伪距和多普勒频移测量，GVINS能够在复杂环境中提供平稳且一致的6自由度全局定位。 系统框架和VIO部分改编自 。 我们的系统包含以下功能： ECEF帧中的全局6自由度估计； 多星座支持（GPS，GLONASS，Galileo，北斗）； 在线本地-ENU帧对齐； GNSS不友好甚至是GNSS被拒绝的地区的全球姿态恢复。 1.先决条件 1.1 C ++ 11编译器 该软件包需要C ++ 11的某些功能。 1.2活性氧 该程序包是在环境下开发的。 1.3本征 我们的代码使用进行矩阵处理。 1.4立方米 我们使用 1.12.0来解决非线性优化问题。 1.5 gns

(自适应手机端)响应式红色风格机械设备网站pbootcms模板,宽屏大气的机械设备网站源码下载！PbootCMS内核开发的网站模板，该模板适用于机械设备、宽屏大气的机械网站等企业，当然其他行业也可以做，只需要把文字图片换成其他行业的即可！

该包通过混合自适应提供了自适应图像去噪算法的实现。 所提出的方法 [1, 2] 采用从通用外部数据库中学习到的通用先验，并将其适应噪声图像以生成特定先验，然后将其用于 MAP 去噪。 所提出的算法是严格推导出来的从贝叶斯超先验的角度来看，并进一步简化以降低计算复杂度。 要对去噪性能进行整体评估，请运行演示文件：“demo.m”。 如需更多信息和引文，请参阅： [1] E. Luo、SH Chan 和 TQ Nguyen，“通过混合自适应进行自适应图像去噪”，IEEE Trans。 图像处理。 2016 年。 [2] SH Chan、E. Luo 和 TQ Nguyen，“基于 EM 适应的自适应补丁图像去噪”，Proc。 IEEE 全球会议信号信息处理。 （GlobalSIP'15），2015 年 12 月。

用maltab实现的载波频率估计，适合频谱对称的调制信号

此代码可以自动调节滤波窗口，并适用于彩色图像 代码有备注，简单易懂 红外图像中值滤波处理效果更佳 本人实测结果良好

梯度自适应拉盖尔格子滤波器和卡尔曼滤波器的组合，用于估计多通道记录中的丢失信号。 为 PhysioNet 2010 提交的参赛作品涉及对最后 30 秒生理信号的估计。 详情见 http://web.cinc.org/2010/preprints/

内容 关键链接 GitHub： : 网页： ： 介绍 通过复制空气质量折减模型的计算， rfasst报告了在全球变化分析模型（ ）运行的任何情况下，由空气污染引起的一系列不利健康和农业影响，其影响范围是一致的。 引文 安装指南 下载并安装： R（ ） R studio（ ） （用于克隆仓库）Git（ ） 将存储库克隆到本地计算机： 工作目录中的Git bash（右键单击->“此处的Git Bash”） 在Git控制台中，输入： git clone https : // github.com / JGCRI / rfasst.git 打开Rproject（rfasst.Rproj）： 在Rstudio菜单中，单击“构建->安装并重新启动”（Ctrl + Shift + B） 如何指导 该软件包包含一组功能，这些功能分为四个不同的模块： 模块1.排放物重新标

抗差自适应,抗差自适应卡尔曼滤波,matlab源码