一種改進(jìn)的分段線性逼近超越函數(shù)算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論(0)
針對(duì)超越函數(shù)計(jì)算中所采用的分段線性逼近算法存在的無法提前確定精度及部分區(qū)間資源浪費(fèi)的問題,提出一種改進(jìn)的分段線性逼近超越函數(shù)算法。該算法由預(yù)定義的逼近區(qū)間端點(diǎn)計(jì)算出用于逼近的線性函數(shù),根據(jù)被逼近函數(shù)的凹凸性對(duì)所計(jì)算線性函數(shù)進(jìn)行調(diào)整,在此基礎(chǔ)上計(jì)算出預(yù)定義逼近區(qū)間內(nèi)調(diào)整后函數(shù)與被逼近函數(shù)之間的最大誤差;按照所需精度的要求,自動(dòng)調(diào)整逼近區(qū)間,通過該過程的迭代,獲得了較少分段次數(shù)。算法結(jié)果在Matlab上進(jìn)行仿真,仿真結(jié)果表明,所提算法的分段數(shù)相比等分法減少了60%。所提算法在保證精度的前提下,降低了查找表( LUT)的資源消耗。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
一種改進(jìn)的分段線性逼近超越函數(shù)算法下載
相關(guān)電子資料下載
- 不同的人工神經(jīng)網(wǎng)絡(luò)模型各有什么作用? 126
- rnn神經(jīng)網(wǎng)絡(luò)基本原理 233
- bp神經(jīng)網(wǎng)絡(luò)算法過程包括 106
- 反向傳播神經(jīng)網(wǎng)絡(luò)建模基本原理 166
- 反向傳播神經(jīng)網(wǎng)絡(luò)概念是什么 168
- 反向傳播神經(jīng)網(wǎng)絡(luò)分為多少層 162
- bp神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括哪些 115
- 卷積神經(jīng)網(wǎng)絡(luò)激活函數(shù)的作用 80
- 數(shù)學(xué)建模神經(jīng)網(wǎng)絡(luò)模型的優(yōu)缺點(diǎn)有哪些 299
- 什么神經(jīng)網(wǎng)絡(luò)模型適合做分類 114