weixin_41694971的博客

vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5 Keras官方预训练模型

自相关序列实际上只能从随机序列x(n)的有限个观测数据估计得到。当时间序列较短时，的估计误差很大，这将对AR参数的计算引入较大的误差，导致谱估计性能下降，甚至出现谱线分裂与谱峰偏移等现象。如果利用观测到的数据直接计算AR模型的参数，则能克服上述方法的缺点，得到性能较好的谱估计结果。这种方法是由Burg提出的，称为Burg法，也叫做最大熵谱算法。

近几年各界对人工智能的兴趣激增，自2011 年以来，开发与人工智能相关的产品和技 术并使之商业化的公司已获得超过总计20 亿美元的风险投资，而科技巨头更是投资数十亿 美元收购那些人工智能初创公司。相关报道铺天盖地，而巨额投资、计算机导致失业等问题 也开始浮现，计算机比人更加聪明并有可能威胁到人类生存这类论断更是被媒体四处引用并 引发广泛关注。

基于matlab的burg算法，在随机信号分析中，可以用AR模型进行功率谱估计。在求解Yule-Walker方程中的AR系数可用Levinson递推算法简化计算，但它需要知道自相关序列。自相关序列实际上只能从随机序列x(n)的有限个观测数据估计得到。当时间序列较短时，的估计误差很大，这将对AR参数的计算引入较大的误差，导致谱估计性能下降，甚至出现谱线分裂与谱峰偏移等现象。如果利用观测到的数据直接计算AR模型的参数，则能克服上述方法的缺点，得到性能较好的谱估计结果。这种方法是由Burg提出的，称为Burg法，也叫做最大熵谱算法。