Chebyshev神经网络的Levenberg-Marquardt算法

基于函数逼近理论,构建了一种神经网络模型,该神经网络采用正交Chebyshev多项式作为隐层激励函数.在此基础上,推导了Chebyshev神经网络的Levenberg-Marquardt学习算法.理论分析及仿真实验表明,该神经网络能够很好地学习样本数据中的不同模式,具有较快训练速度和较高的计算精度.     

数字脉冲间隔调制(DPIM)线性扩谱通信及应用

研究了一种扩谱载波数字脉冲间隔调制SSC—DPIM(Spread spectrum carrier digital pulse interval modulation)技术并用于电力线载波扩谱通信系统．采用线性扫频SSC扩谱载波对DPIM符号进行编码，引入脉冲前导码作为传输数据块的同步信号以防止差错传播．介绍了数据传输速率及数据块传送差错率的理论分析结果．并采用单片机实现了SSC-DPIM电力线载波通信系统．实验结果表明，在同样的电力线网络环境下，其通信效果明显优于已有的电力线载波通信系统。     

Chebyshev神经网络的Levenbers-Marquardt算法

基于函数逼近理论,构建了一种神经网络模型,该神经网络采用正交Chebyshev多项式作为隐层激励函数。在此基础上,推导了Chebyshev神经网络的Levenberg—Marquardt学习算法。理论分析及仿真实验表明,该神经网络能够很好地学习样本数据中的不同模式,具有较快训练速度和较高的计算精度。