基于SR-UKF的神经元群模型分析
外部输入通过神经元群模型可以产生不同类型的类似EEG的信号，但是外部输入信号的统计特性多采用经验值，而没有对其专门进行研究。在设定神经元群模型参数的情况下，SR-UKF被用来估计不同观测值所对应外部输入以及模型输出。实验证明外部输入估计数据的均值在前人所采用值的范围内，但是标准差比前面用到的小很多。
文件下载
评论信息
其他资源
- Cisco vios_l2-adventerprisek9-m.SSA.high_iron_20180619
- 物业管理系统（c++ 课程设计）源码
- Generative Design: Visualize, Program, and Create with Processing
- 铭泰企业进销存管理系统
- 随机森林回归matlab代码
- 网上书店（ssm框架oracle数据库）
- C程序设计复习题库（附答案）.doc
- json-lib包最新合集20170403整理
- PCIe3.0协议
- 微型计算机原理及应用知识点总结
- cad插件数字相加.lsp
- WPF打印图片类
- 变化和作为实现动态演化的一流抽象的作用
- 高斯朴素贝叶斯和KNNGaussian-Naive-Bayes-and-KNN-master.zip
- 毕业设计神经网络论文
- AN34092B.pdf
- poi-3.17资源下载
- 《程序员修炼之道》（中文版）
- 反馈线性化方法(示例及matlab仿真)
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明