论文部分内容阅读
基于小波神经网络对样本的学习可以准确地估计任何非线性的时间序列的优点,将其应用于GPS高程拟合,并与二次曲面模型进行了比较,试验结果表明,小波神经网络模型能够利用有限的样本信息获得最好的学习效果和泛化能力,其拟合精度优于常规二次曲面拟合方法。
小波神经网络在高程拟合中的应用
【摘 要】
：
基于小波神经网络对样本的学习可以准确地估计任何非线性的时间序列的优点,将其应用于GPS高程拟合,并与二次曲面模型进行了比较,试验结果表明,小波神经网络模型能够利用有限的样本信息获得最好的学习效果和泛化能力,其拟合精度优于常规二次曲面拟合方法。
【机 构】
：
郑州市市政工程勘测设计研究院
【出 处】
：
科技创新与应用
【发表日期】
：
2018年23期
其他文献
为提高无线通信网络的频谱效率，提出一种自适应空时分组编码波束成形（STBC-beamforming）跨层设计方案．该方案利用自适应编码调制技术与混合自动重传技术交互协作，使发射端可以根据
提出了一种多播正交频分复用（OFDM）系统中的比例公平资源分配算法,该算法包括：子载波分配算法和功率分配算法.前者通过修正已有的单播子载波分配算法而得到,后者采用双重二分法