期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
卷积码编译码的Matlab仿真及其性能研究
被引量:
1
1
作者
吴亚婷
《电脑知识与技术》
2010年第2期878-879,共2页
提出了一种(2,1,7)卷积编码及其维特比(Viterbi)译码的软件实现方案,在Matlab环境中应用软件技术实现了(2,1,7)卷积码的Viterbi译码器功能。测试证明,该Viterbi译码算法在低信噪比下的误码率仍能达到10^-6。
关键词
卷积
编码
:维特比译码:
matlab
下载PDF
职称材料
基于BP神经网络的南宁市公路货运量预测
被引量:
4
2
作者
安然
华光
董娜
《交通运输研究》
2015年第2期58-64,共7页
为提高公路货运量预测的准确性,依据南宁市历史年份的公路货运量数据建立公路货运量的BP神经网络预测模型。将模型在MATLAB软件环境下进行编码并运算,通过对数据的反复训练和学习最终得到预测值。经过实例分析证明基于BP神经网络的货运...
为提高公路货运量预测的准确性,依据南宁市历史年份的公路货运量数据建立公路货运量的BP神经网络预测模型。将模型在MATLAB软件环境下进行编码并运算,通过对数据的反复训练和学习最终得到预测值。经过实例分析证明基于BP神经网络的货运量预测模型的有效性。为证明不同方法间的差异性,利用趋势外推法、三次指数平滑法、灰色预测法以及指数回归法对南宁市公路货运量进行了预测。通过对比分析,得到不同方法的相对误差。可以看出,基于BP神经网络的货运量预测模型较传统预测方法有较大的优越性,BP神经网络模型能够揭示货运量的非线性变化关系,准确地拟合原始数据。
展开更多
关键词
BP神经网络
公路
货运量
预测模型
matlab编码
下载PDF
职称材料
题名
卷积码编译码的Matlab仿真及其性能研究
被引量:
1
1
作者
吴亚婷
机构
贵州大学计算机科学与信息学院
出处
《电脑知识与技术》
2010年第2期878-879,共2页
文摘
提出了一种(2,1,7)卷积编码及其维特比(Viterbi)译码的软件实现方案,在Matlab环境中应用软件技术实现了(2,1,7)卷积码的Viterbi译码器功能。测试证明,该Viterbi译码算法在低信噪比下的误码率仍能达到10^-6。
关键词
卷积
编码
:维特比译码:
matlab
Keywords
convolutional coding
viterbi decoding
matlab
分类号
TP314 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
基于BP神经网络的南宁市公路货运量预测
被引量:
4
2
作者
安然
华光
董娜
机构
交通运输部科学研究院
出处
《交通运输研究》
2015年第2期58-64,共7页
文摘
为提高公路货运量预测的准确性,依据南宁市历史年份的公路货运量数据建立公路货运量的BP神经网络预测模型。将模型在MATLAB软件环境下进行编码并运算,通过对数据的反复训练和学习最终得到预测值。经过实例分析证明基于BP神经网络的货运量预测模型的有效性。为证明不同方法间的差异性,利用趋势外推法、三次指数平滑法、灰色预测法以及指数回归法对南宁市公路货运量进行了预测。通过对比分析,得到不同方法的相对误差。可以看出,基于BP神经网络的货运量预测模型较传统预测方法有较大的优越性,BP神经网络模型能够揭示货运量的非线性变化关系,准确地拟合原始数据。
关键词
BP神经网络
公路
货运量
预测模型
matlab编码
Keywords
BP neural network
highway
freight volume
forecast model
matlab
code
分类号
U492.313 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
卷积码编译码的Matlab仿真及其性能研究
吴亚婷
《电脑知识与技术》
2010
1
下载PDF
职称材料
2
基于BP神经网络的南宁市公路货运量预测
安然
华光
董娜
《交通运输研究》
2015
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部