第1章 概述 1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展 1.2 生物神經(jīng)元 1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成 第2章人工神經(jīng)網(wǎng)絡(luò)基本模型 2.1 MP模型 2.2 感知器模型 2.3 自適應(yīng)線性
2012-03-20 11:32:43
使用最為有利的系統(tǒng)。訓(xùn)練往往在線下通過基于 CPU 的系統(tǒng)、圖形處理器 (GPU) 或現(xiàn)場(chǎng)可編程門陣列 (FPGA) 來完成。由于計(jì)算功能強(qiáng)大且設(shè)計(jì)人員對(duì)其很熟悉，這些是用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的最為理想
2017-12-21 17:11:34
神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)程序
2018-01-04 13:29:33
線性系統(tǒng)的設(shè)計(jì)與綜合4.1狀態(tài)反饋和輸出反饋1.狀態(tài)反饋控制律：定理2：輸出至參考輸入反饋的引入能同時(shí)不改變系統(tǒng)的可控性與可觀測(cè)性，即輸出反饋3.定理3：輸出至  
2009-05-26 11:49:08
非線性系統(tǒng)描述函數(shù)法的matlab腳本語(yǔ)句怎么寫，感覺好難啊
2016-05-31 12:53:54
MATLAB神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)說明：本文檔中所列出的函數(shù)適用于MATLAB5.3以上版本，為了簡(jiǎn)明起見，只列出了函數(shù)名，若需要進(jìn)一步的說明，請(qǐng)參閱MATLAB的幫助文檔。1. 網(wǎng)絡(luò)創(chuàng)建函數(shù)newp
2009-09-22 16:10:08
用NARMA-L2結(jié)構(gòu)來辨識(shí)非線性系統(tǒng)，該NARMA-L2神經(jīng)網(wǎng)絡(luò)由兩個(gè)神經(jīng)網(wǎng)絡(luò)（類似ARX的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)）構(gòu)成。其原理見下面兩張圖。結(jié)合自校正控制器組成神經(jīng)自校正控制器，如圖下對(duì)于這個(gè)結(jié)構(gòu)和控制
2019-07-24 20:52:07
請(qǐng)問：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒有關(guān)于這部分VI的幫助文檔，對(duì)于”BP神經(jīng)網(wǎng)絡(luò)分類“這個(gè)范例有很多不懂的地方，比如
2017-02-22 16:08:08
能在外界信息的基礎(chǔ)上改變內(nèi)部結(jié)構(gòu)，是一種自適應(yīng)系統(tǒng)，通俗的講就是具備學(xué)習(xí)功能。現(xiàn)代神經(jīng)網(wǎng)絡(luò)是一種非線性統(tǒng)計(jì)性數(shù)據(jù)建模工具。簡(jiǎn)單來說，就是給定輸入，神經(jīng)網(wǎng)絡(luò)經(jīng)過一系列計(jì)算之后，輸出最終結(jié)果。這好比人的大腦
2019-03-03 22:10:19
今天學(xué)習(xí)了兩個(gè)神經(jīng)網(wǎng)絡(luò)，分別是自適應(yīng)諧振（ART）神經(jīng)網(wǎng)絡(luò)與自組織映射（SOM）神經(jīng)網(wǎng)絡(luò)。整體感覺不是很難，只不過一些最基礎(chǔ)的概念容易理解不清。首先ART神經(jīng)網(wǎng)絡(luò)是競(jìng)爭(zhēng)學(xué)習(xí)的一個(gè)代表，競(jìng)爭(zhēng)型學(xué)習(xí)
2019-07-21 04:30:00
利用多層非線性物理系統(tǒng)構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)，并通過反向隨機(jī)梯度下降完成系統(tǒng)訓(xùn)練方法的確 令人驚訝 、 毀人三觀 。你敢想象利用幾只揚(yáng)聲器，或者幾只場(chǎng)效應(yīng)管就可以組成深度物理神經(jīng)網(wǎng)絡(luò)（Physical
2022-09-26 16:14:55
成為了非常重要的問題。 基于以上問題，本文提出了一種基于高效采樣算法的時(shí)序圖神經(jīng)網(wǎng)絡(luò)系統(tǒng) 。首先我們介紹用于時(shí)序圖神經(jīng)網(wǎng)絡(luò)采樣的高效采樣方法。采樣常常被用于深度學(xué)習(xí)中以降低模型的訓(xùn)練時(shí)間。然而現(xiàn)有的采樣
2022-09-28 10:34:13
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？
2019-08-01 08:06:21
簡(jiǎn)單理解LSTM神經(jīng)網(wǎng)絡(luò)
2021-01-28 07:16:57
提示：文章寫完后，目錄可以自動(dòng)生成，如何生成可參考右邊的幫助文檔永磁同步電機(jī)的無感控制（一）——— 傳統(tǒng)的滑模觀測(cè)器前言1、傳統(tǒng)滑模觀測(cè)器的設(shè)計(jì)2、傳統(tǒng)滑模觀測(cè)器的仿真2.1傳統(tǒng)滑模觀測(cè)器的仿真搭建
2021-08-27 08:07:21
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會(huì)在意它呢? 對(duì)于這些非常中肯的問題，我們似乎可以給出相對(duì)簡(jiǎn)明的答案。
2019-07-17 07:21:50
為 三個(gè)過程：輸入信號(hào)線性加權(quán)、求和、非線性激活。1958 年到 1969 年為神經(jīng)網(wǎng)絡(luò)模型發(fā)展的第一階段， 稱為第一代神經(jīng)網(wǎng)絡(luò)模型。在 1958 年 Rosenblatt 第 一次在 MCP 模型上
2022-08-02 10:39:39
卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)的常用框架
2020-12-29 06:16:44
模型。第 3 部分將研究使用專用 AI 微控制器測(cè)試模型的特定用例。什么是卷積神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)是系統(tǒng)或神經(jīng)元結(jié)構(gòu)，使人工智能能夠更好地理解數(shù)據(jù)，使其能夠解決復(fù)雜的問題。雖然有許多網(wǎng)絡(luò)類型，但本系
2023-02-23 20:11:10
為提升識(shí)別準(zhǔn)確率，采用改進(jìn)神經(jīng)網(wǎng)絡(luò)，通過Mnist數(shù)據(jù)集進(jìn)行訓(xùn)練。整體處理過程分為兩步：圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理。圖像預(yù)處理主要根據(jù)圖像的特征，將數(shù)據(jù)處理成規(guī)范的格式，而改進(jìn)神經(jīng)網(wǎng)絡(luò)推理主要用于輸出結(jié)果。 整個(gè)過程分為兩個(gè)步驟：圖像預(yù)處理和神經(jīng)網(wǎng)絡(luò)推理。需要提前安裝Tengine框架，
2021-12-23 08:07:33
最近在學(xué)習(xí)電機(jī)的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力，可以通過對(duì)系統(tǒng)性能的學(xué)習(xí)來實(shí)現(xiàn)具有最佳組合的PID控制。利用BP
2021-09-07 07:43:47
FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問題分析基于FPGA的ANN實(shí)現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評(píng)估及局限性
2021-04-30 06:58:13
傳感器成本很高，而且對(duì)安裝條件和環(huán)境要求嚴(yán)格。本文將交流變頻異步電力測(cè)功機(jī)作為一個(gè)非線性系統(tǒng)處理，利用小波最小二乘支持向量回歸機(jī)能夠逼近任意的L2 (Rd )函數(shù)的特點(diǎn)，來回歸其非線性關(guān)系，提出了一種以
2009-05-17 11:56:25
由于時(shí)變非線性和強(qiáng)耦合的控制系統(tǒng)還沒有精確的數(shù)學(xué)模型，因而傳統(tǒng)的依賴被控對(duì)象數(shù)學(xué)模型的控制策略及其控制系統(tǒng)的封閉式結(jié)構(gòu)很難對(duì)其實(shí)施有效控制。神經(jīng)網(wǎng)絡(luò)控制能夠很好地克服系統(tǒng)中模型參數(shù)的變化和非線性等
2019-08-12 06:25:35
如何去實(shí)現(xiàn)一種基于磁鏈模型的非線性觀測(cè)器設(shè)計(jì)呢？如何對(duì)其模型進(jìn)行仿真？其波形是怎樣的？
2021-11-19 07:34:36
原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測(cè)的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測(cè)能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測(cè)
2021-07-12 08:02:11
稱為BP神經(jīng)網(wǎng)絡(luò)。采用BP神經(jīng)網(wǎng)絡(luò)模型能完成圖像數(shù)據(jù)的壓縮處理。在圖像壓縮中，神經(jīng)網(wǎng)絡(luò)的處理優(yōu)勢(shì)在于：巨量并行性；信息處理和存儲(chǔ)單元結(jié)合在一起；自組織自學(xué)習(xí)功能。與傳統(tǒng)的數(shù)字信號(hào)處理器DSP
2019-08-08 06:11:30
請(qǐng)問如何采用基于虛擬儀器編程語(yǔ)言CVI編成的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練儀對(duì)K型鎳鉻-鎳硅熱電偶的非線性進(jìn)行校正？
2021-04-08 06:55:26
作者：李云紅0 引言自20世紀(jì)70年代以來，模擬電路故障診斷領(lǐng)域已經(jīng)取得了一定的研究成果，近年來，基于神經(jīng)網(wǎng)絡(luò)技術(shù)的現(xiàn)代模擬電路軟故障診斷方法已成為新的研究熱點(diǎn)，神經(jīng)網(wǎng)絡(luò)的泛化能力和非線性映射能力
2019-07-05 08:06:02
應(yīng)用人工神經(jīng)網(wǎng)絡(luò)模擬污水生物處理（1.浙江工業(yè)大學(xué)建筑工程學(xué)院, 杭州 310014; 2.鎮(zhèn)江水工業(yè)公司排水管理處，鎮(zhèn)江 212003）摘要：針對(duì)復(fù)雜的非線性污水生物處理過程，開發(fā)了徑向基函數(shù)的人
2009-08-08 09:56:00
人工神經(jīng)網(wǎng)絡(luò)在很多領(lǐng)域得到了很好的應(yīng)用，尤其是具有分布存儲(chǔ)、并行處理、自學(xué)習(xí)、自組織以及非線性映射等特點(diǎn)的網(wǎng)絡(luò)應(yīng)用更加廣泛。嵌入式便攜設(shè)備也越來越多地得到應(yīng)用，多數(shù)是基于ARM內(nèi)核及現(xiàn)場(chǎng)可編程門陣列
2019-09-20 06:15:20
概念可以直接移植到觀測(cè)器中。目前應(yīng)用于基于反電動(dòng)勢(shì)的位置觀測(cè)器理論包括線性龍貝格觀測(cè)器、卡爾曼觀測(cè)器和非線性滑模觀測(cè)器等，目前在中高速領(lǐng)域應(yīng)用最廣的是非線性滑模觀測(cè)器。滑?？刂扑惴ㄊ且环N非線性控制系統(tǒng)
2022-10-12 15:23:20
現(xiàn)在課題需要，要做一個(gè)四階系統(tǒng)的狀態(tài)觀測(cè)器設(shè)計(jì)，基于matlab設(shè)計(jì)，四種（全維觀測(cè)器 降維觀測(cè)器 自適應(yīng)觀測(cè)器 滑模觀測(cè)器），并且在matlab里仿真后對(duì)其性能進(jìn)行比較（穩(wěn)態(tài)精度，動(dòng)態(tài)響應(yīng)速度
2013-04-16 10:13:13
的研究具有重要意義.模糊神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)相結(jié)合的新型網(wǎng)絡(luò)結(jié)構(gòu)，把它應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)，使系統(tǒng)不僅具有非線性、自適應(yīng)性、魯棒性和自學(xué)習(xí)等神經(jīng)網(wǎng)絡(luò)本來的優(yōu)勢(shì)，也具有模糊推理和模糊劃分等模糊邏輯全文下載
2010-05-06 09:05:35
觀測(cè)器的設(shè)計(jì)假定針對(duì)控制系統(tǒng)中的直流電機(jī)引入未知的總擾動(dòng)d(t)。由于仿真及實(shí)驗(yàn)設(shè)置采樣時(shí)間相對(duì)于總擾動(dòng)量變化過程是極小的，可將式（2）中總擾動(dòng)量的微分量視為零[1]，那么直流電機(jī)的運(yùn)動(dòng)方程和轉(zhuǎn)矩方程并結(jié)合未知的總擾動(dòng)d(t)進(jìn)行設(shè)計(jì)干擾觀測(cè)器。直流電機(jī)的運(yùn)動(dòng)方程和轉(zhuǎn)矩方程如式（1）所示：圖1擾動(dòng)
2021-09-15 07:56:33
針對(duì)一些復(fù)雜的非線性系統(tǒng)在神經(jīng)網(wǎng)絡(luò)逆動(dòng)態(tài)控制方法下控制效果不理想的問題，本文提出對(duì)被控對(duì)象進(jìn)行直接多步預(yù)測(cè)，利用多步預(yù)測(cè)性能指標(biāo)函數(shù)對(duì)系統(tǒng)實(shí)現(xiàn)基于神經(jīng)網(wǎng)絡(luò)的逆
2009-01-07 15:41:29
11 針對(duì)雙容液面調(diào)節(jié)系統(tǒng)的非線性、參數(shù)時(shí)變的特點(diǎn)，基于現(xiàn)代控制理論設(shè)計(jì)了帶擾動(dòng)觀測(cè)器的模糊自整定控制器。該方案既實(shí)現(xiàn)了PID控制器參數(shù)的在線自整定，又增強(qiáng)了系統(tǒng)的抗擾
2009-03-18 10:56:0925 【摘要】提出了一種非線性系統(tǒng)的模型辨識(shí)方法。在只有被辨識(shí)系統(tǒng)的輸入輸出數(shù)據(jù)的情況下，利用一種無監(jiān)督的聚類算法來進(jìn)行結(jié)構(gòu)辨識(shí)，從而自動(dòng)獲得模糊規(guī)則庫(kù)，并可以得
2009-03-19 20:55:3622 將Chebyshev神經(jīng)網(wǎng)絡(luò)模型作為混沌控制系統(tǒng)辨識(shí)器，任選系統(tǒng)初值和非線性、非周期性控制律，通過Chebyshev混沌神經(jīng)網(wǎng)絡(luò)產(chǎn)生混沌序列，求出該序列的排序置換及逆置換，對(duì)明文置換
2009-04-20 09:43:299 提出了采用緊致型小波神經(jīng)網(wǎng)絡(luò)來構(gòu)建服務(wù)器預(yù)警系統(tǒng)，將小波和神經(jīng)網(wǎng)絡(luò)直接融合，使網(wǎng)絡(luò)訓(xùn)練過程從根本上避免了局部最優(yōu)等非線性優(yōu)化問題，小波神經(jīng)元的低相關(guān)性，也使得
2009-05-07 20:32:4537 基于BP 神經(jīng)網(wǎng)絡(luò)能以任意精度逼近任何非線性連續(xù)函數(shù)的原理。通過在MATLAB環(huán)境下，對(duì)典型的不穩(wěn)定、非線性、強(qiáng)耦合的倒立擺系統(tǒng)建立了BP 神經(jīng)網(wǎng)絡(luò)辨識(shí)結(jié)構(gòu)，并對(duì)辨識(shí)結(jié)果進(jìn)
2009-05-27 11:54:1414 基于BP 神經(jīng)網(wǎng)絡(luò)能以任意精度逼近任何非線性連續(xù)函數(shù)的原理。通過在MATLAB環(huán)境下，對(duì)典型的不穩(wěn)定、非線性、強(qiáng)耦合的倒立擺系統(tǒng)建立了BP 神經(jīng)網(wǎng)絡(luò)辨識(shí)結(jié)構(gòu)，并對(duì)辨識(shí)結(jié)果
2009-05-27 13:28:5321 在傳染病動(dòng)力學(xué)模型中，對(duì)疾病發(fā)生率的估計(jì)是傳染病流行趨勢(shì)預(yù)測(cè)和預(yù)防工作的重要部分。本文研究了一類非線性觀測(cè)器在傳染病動(dòng)力學(xué)模型中的應(yīng)用，利用非線性觀測(cè)器估
2009-06-04 08:56:0621 提出利用CMAC 神經(jīng)網(wǎng)絡(luò)與PID 的復(fù)合控制，實(shí)現(xiàn)非線性系統(tǒng)控制。由于CMAC 網(wǎng)絡(luò)的優(yōu)點(diǎn)使PID 控制效果有很大提高。仿真實(shí)驗(yàn)表明了該方法的有效性。關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；PID 控制；非
2009-06-11 09:16:5123 對(duì)于復(fù)雜的離散時(shí)間非線性系統(tǒng), 提出一種基于多模型的廣義預(yù)測(cè)控制方法. 通過在平衡點(diǎn)附近建立線性模型, 并用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)來補(bǔ)償匹配誤差, 形成了非線性系統(tǒng)的多模型表
2009-06-17 11:27:2024 城市交通系統(tǒng)是一個(gè)非常復(fù)雜的﹑非線性系統(tǒng)，很難建立精確的數(shù)學(xué)模型，本文針對(duì)單交叉路口紅綠燈控制問題，基于改進(jìn)的BP 神經(jīng)網(wǎng)絡(luò)算法，提出并設(shè)計(jì)了兩級(jí)加權(quán)神經(jīng)網(wǎng)絡(luò)控制
2009-06-19 09:09:096 提出神經(jīng)網(wǎng)絡(luò)前饋?zhàn)赃m應(yīng)解耦控制算法，該算法將多變量非線性系統(tǒng)在平衡點(diǎn)處利用Taylor公式展開，分為線性部分和高階非線性部分。這樣，將高階非線性部分的影響視為可測(cè)干擾
2009-06-19 11:01:5513 本文介紹了一種基于正交小波網(wǎng)絡(luò)(OWN)的非線性系統(tǒng)的辨識(shí)方法。闡述了正交小波網(wǎng)絡(luò)理論，提供了用正交小波網(wǎng)絡(luò)進(jìn)行辨識(shí)的方法，并對(duì)高爐煤粉噴吹系統(tǒng)的非線性系統(tǒng)進(jìn)行了動(dòng)態(tài)
2009-06-24 08:53:1814 針對(duì)遺傳算法和神經(jīng)網(wǎng)絡(luò)的不足，介紹了對(duì)非線性校正的遺傳神經(jīng)網(wǎng)絡(luò)方法。計(jì)算機(jī)仿真結(jié)果表明了該方法的收斂速度優(yōu)越于其它傳統(tǒng)方法，且具有較強(qiáng)的魯棒性。關(guān)鍵詞：變
2009-06-25 14:05:3912 介紹了用神經(jīng)網(wǎng)絡(luò)校正傳感器系統(tǒng)非線性誤差的原理和方法,提出了基于BP 神經(jīng)網(wǎng)絡(luò)傳感器非線性誤差校正及其模型、算法與實(shí)現(xiàn)技術(shù)。通過計(jì)算機(jī)仿真與應(yīng)用,顯示出這種逆模型不但
2009-06-29 10:22:0612 在對(duì)永磁同步電機(jī)（PMSM）a - b 坐標(biāo)系下的數(shù)學(xué)模型進(jìn)行非線性坐標(biāo)變換的基礎(chǔ)上，提出了一種基于神經(jīng)網(wǎng)絡(luò)的無傳感器控制方法及非線性自適應(yīng)觀測(cè)器設(shè)計(jì)方法；利用Lyapunov 理論
2009-07-08 14:12:4026 針對(duì)一類未知非線性系統(tǒng)，考慮系統(tǒng)狀態(tài)不完全可測(cè)的情況，利用Lyapunov 綜合方法設(shè)計(jì)了一種基于高增益觀測(cè)器的模糊魯棒自適應(yīng)輸出反饋控制器，并證明在一定條件下，所設(shè)計(jì)的
2009-07-09 09:46:249 本文基于神經(jīng)網(wǎng)絡(luò)可以對(duì)非線性系統(tǒng)的任意逼近能力, 建立了六維腕力傳感器的補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)模型, 仿真結(jié)果表明, 這種補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)對(duì)六維腕力傳感器非線性系統(tǒng)逼近精度
2009-07-14 09:22:2015 簡(jiǎn)單介紹了當(dāng)前鉑熱電阻應(yīng)用存在的問題，提出了應(yīng)用前向多層神經(jīng)網(wǎng)絡(luò)建立熱電阻的逆模型堿性非線性補(bǔ)償，使得鉑電阻的靜態(tài)特性線性化，穩(wěn)重采用MATLAB為工具，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)
2009-07-16 10:07:5129 本文針對(duì)一般非線性系統(tǒng)，構(gòu)造了迭代學(xué)習(xí)觀測(cè)器，基于該迭代學(xué)習(xí)觀測(cè)器的狀態(tài)和可調(diào)參數(shù)設(shè)計(jì)了輸出反饋控制律，通過選擇可調(diào)參數(shù)自適應(yīng)調(diào)節(jié)律的適當(dāng)形式，保證了整個(gè)系
2009-08-13 08:49:5910 采用模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，提出一種復(fù)合式控制方案，以解決傳統(tǒng)自適應(yīng)控制中模型的在線辨識(shí)和控制器的在線設(shè)計(jì)問題，達(dá)到對(duì)不確定非線性系統(tǒng)的高精度輸出跟蹤控制；同時(shí)，
2009-08-21 10:20:2217 本文以典型多變量非線性系統(tǒng)——球棒系統(tǒng)為研究對(duì)象，用拉格朗日方程建立其數(shù)學(xué)模型，并用現(xiàn)代控制理論中的狀態(tài)反饋的方法設(shè)計(jì)該非線性系統(tǒng)的控制器。無論小球在棒的什么
2009-08-29 10:24:0012 利用全階線性觀測(cè)器穩(wěn)定同時(shí)具有網(wǎng)絡(luò)誘導(dǎo)時(shí)延和數(shù)據(jù)包丟失的網(wǎng)絡(luò)化控制系統(tǒng)并提高系統(tǒng)的動(dòng)態(tài)性能。將數(shù)據(jù)包丟失看成一種特殊的時(shí)延，得到了系統(tǒng)總時(shí)延；采用增廣狀態(tài)向
2009-09-09 16:36:0112 神經(jīng)網(wǎng)絡(luò)具有良好的學(xué)習(xí)特性，小波變換有良好的時(shí)頻局部化性質(zhì)，將二者結(jié)合在一起構(gòu)成小波神經(jīng)網(wǎng)絡(luò)兼有神經(jīng)網(wǎng)絡(luò)和小波變換的優(yōu)點(diǎn)。本文提出了解決虛擬儀器系統(tǒng)非線性校
2009-09-23 10:06:5111 基于T-S 模糊模型,提出了利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)非線性系統(tǒng)的辨識(shí)。首先，利用一種無監(jiān)督的聚類算法分析輸入輸出數(shù)據(jù)生成初始的結(jié)構(gòu)模型，確定系統(tǒng)的模糊空間和模糊規(guī)則數(shù)，構(gòu)造神
2009-09-25 16:38:364 具輸入飽和之非線性系統(tǒng)適應(yīng)控制器之設(shè)計(jì):目前，非線性且輸入有飽和之系統(tǒng)，在其設(shè)計(jì)上是很困難的，因此我們使用Model Reference AdaptiveControl(MRAC)的方法，對(duì)于一階非線性且輸入有
2009-10-31 14:34:0730 激光焊接過程是典型的具有噪聲和擾動(dòng)影響的非線性系統(tǒng)。利用Hammerstein 模型的線性和非線性分離的特性可以建立起關(guān)于激光焊接過程的非線性模型，并以此為基礎(chǔ)得到非線性系
2009-12-22 14:09:2210 摘要：基于有限時(shí)間穩(wěn)定理論，給出了完全能觀測(cè)的多輸入－多輸出線性系統(tǒng)的有限時(shí)間觀測(cè)器的設(shè)計(jì)方法．所設(shè)計(jì)的觀測(cè)器在有限時(shí)間后實(shí)現(xiàn)了對(duì)系統(tǒng)狀態(tài)的精確重構(gòu)．?dāng)?shù)值仿
2010-03-05 09:28:1216 摘要：針對(duì)一類滿足Ｌｉｐｓｃｈｉｔｚ條件的下三角非線性時(shí)滯系統(tǒng)，提出了一種新穎而且簡(jiǎn)便的狀態(tài)觀測(cè)器的設(shè)計(jì)方法．通過構(gòu)造適當(dāng)?shù)模蹋幔穑酰睿铮?ｋｒｅｓｏｖｓｋｉ
2010-03-05 09:36:0719 采用模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),提出一種復(fù)合式控制方案,以解決傳統(tǒng)自適應(yīng)控制中模型的在線辨識(shí)和控制器的在線設(shè)計(jì)問題,達(dá)到對(duì)不確定非線性系統(tǒng)的高精度輸出跟蹤控制;同時(shí),利用一個(gè)魯
2010-07-20 14:40:0215 給出了神經(jīng)網(wǎng)絡(luò)魯棒性的概念" 基于系統(tǒng)辨識(shí)的BP網(wǎng)絡(luò)RBF網(wǎng)絡(luò)和ELMAN 網(wǎng)絡(luò)的魯棒性問題進(jìn)行了分析和研究$ 仿真結(jié)果表明" 神經(jīng)網(wǎng)絡(luò)用于非線性系統(tǒng)辨識(shí)有其廣闊的前景$
2010-07-22 16:20:047 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)有哪些?
人工神經(jīng)網(wǎng)絡(luò)突出的優(yōu)點(diǎn)
(1)可以充分逼近任意復(fù)雜的非線性關(guān)系； (2)所有定量或定性
2010-03-06 13:48:15
24281 本內(nèi)容詳細(xì)介紹了非線性系統(tǒng)控制及解耦
2011-05-11 17:29:520 對(duì)一種非線性時(shí)變系統(tǒng)提出了基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)逆控制方案。該方案中用兩個(gè)動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)分別作為模型辨識(shí)器和自適應(yīng)逆控制器，詳細(xì)推導(dǎo)了在線訓(xùn)練自適應(yīng)逆控制器的BPTM（ba
2011-06-28 11:08:4530 實(shí)現(xiàn)了參考噪聲與干擾噪聲呈非線性相關(guān)條件下的噪聲對(duì)消。在參考噪聲與干擾噪聲非線性相關(guān)時(shí)，傳統(tǒng)的橫向?yàn)V波器效果不理想，利用小波神經(jīng)網(wǎng)絡(luò)的非線性特性，可更好的解決非線
2012-05-07 14:15:1824 非線性系統(tǒng)控制及解耦，有需要的朋友下來看看。
2016-04-12 10:34:210 雙低通濾波器法改進(jìn)電壓型定子磁鏈觀測(cè)器研究_操?gòu)堸i
2017-01-04 16:57:5522 一類具有高增益觀測(cè)器的非線性系統(tǒng)的輸出調(diào)節(jié)_孟桂芝
2017-01-07 18:39:170 基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)觀測(cè)器感應(yīng)電機(jī)定子電阻辨識(shí)_陽(yáng)同光
2017-01-08 11:20:201 基于廣義系統(tǒng)觀測(cè)器的電池荷電狀態(tài)估計(jì)_何朕
2017-01-08 13:38:530 GA_BP神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)擬合_徐富強(qiáng)
2017-03-19 11:26:541 Hopfield網(wǎng)絡(luò)線性系統(tǒng)參數(shù)辨識(shí)，在系統(tǒng)辨識(shí)中，直接采用Hopfield神經(jīng)網(wǎng)絡(luò)對(duì)時(shí)域內(nèi)動(dòng)態(tài)系統(tǒng)實(shí)現(xiàn)參數(shù)估計(jì)是一種簡(jiǎn)單而直接的動(dòng)態(tài)系統(tǒng)辨識(shí)方法。該方法的特點(diǎn)是根據(jù)Hopfield神經(jīng)網(wǎng)絡(luò)的動(dòng)力學(xué)機(jī)制，使其神經(jīng)元的輸出值對(duì)應(yīng)待識(shí)參數(shù)，則系統(tǒng)趨于穩(wěn)定的過程就是待辨識(shí)參數(shù)辨識(shí)的過程。
2017-12-06 15:14:250 針對(duì)位置傳感器的引入使得開關(guān)磁阻電機(jī)（SRM）結(jié)構(gòu)變得復(fù)雜，可靠性降低這一問題，將RBF神經(jīng)網(wǎng)絡(luò)和終端滑模控制（TSMC）相結(jié)合建立了自適應(yīng)神經(jīng)終端滑模觀測(cè)器，用RBF神經(jīng)網(wǎng)絡(luò)逼近觀測(cè)器的控制輸入
2018-01-29 13:46:3514 怎樣理解非線性變換和多層網(wǎng)絡(luò)后的線性可分，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)就是學(xué)習(xí)如何利用矩陣的線性變換加激活函數(shù)的非線性變換。
2018-10-23 14:44:213740 針對(duì)傳統(tǒng)滑模和傳統(tǒng)干擾觀測(cè)器在機(jī)械臂關(guān)節(jié)位置跟蹤中存在的控制輸入抖振、需要測(cè)量加速度項(xiàng)、應(yīng)用模型受限等問題，提出一種改進(jìn)非線性干擾觀測(cè)器的機(jī)械臂自適應(yīng)反演滑?？刂扑惴āＪ紫?，設(shè)計(jì)改進(jìn)的非線性干擾
2018-12-12 14:43:393 本視頻主要詳細(xì)介紹了神經(jīng)網(wǎng)絡(luò)分類，分別是BP神經(jīng)網(wǎng)絡(luò)、RBF（徑向基）神經(jīng)網(wǎng)絡(luò)、感知器神經(jīng)網(wǎng)絡(luò)、線性神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)。
2019-04-02 15:29:2212597 最近提出了一種表面貼裝永磁同步電動(dòng)機(jī)（SPMSMs）的非線性觀測(cè)器。（LSS，GIF Suri伊維特CEDEX，法國(guó)，LSS內(nèi)部代表，2009）。非線性觀測(cè)器通過Sin Th和CoS Th的估計(jì)
2019-12-06 14:22:009 針對(duì)熱敏電阻溫度傳感器應(yīng)用中存在的非線性問題，提出了應(yīng)用小波神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)其非線性補(bǔ)償?shù)姆椒ǎ榻B了非線性補(bǔ)償?shù)脑?，完整的推?dǎo)了小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程。實(shí)驗(yàn)結(jié)果表明，該方法補(bǔ)償精度高，優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。
2020-03-27 17:18:404 的系統(tǒng)能自動(dòng)補(bǔ)償非線性誤差，具有誤差小，精度高等優(yōu)點(diǎn)。因此，提出的改進(jìn)的ＲＢＦ神經(jīng)網(wǎng)絡(luò)法對(duì)壓力傳感器的非線性補(bǔ)償是可行的。
2021-03-17 10:21:0011 神經(jīng)網(wǎng)絡(luò)控制，即基于神經(jīng)網(wǎng)絡(luò)控制或簡(jiǎn)稱神經(jīng)控制，是指在控制系統(tǒng)中采用神經(jīng)網(wǎng)絡(luò)這一工具對(duì)難以精確描述的復(fù)雜的非線性對(duì)象進(jìn)行建模，或充當(dāng)控制器，或優(yōu)化計(jì)算，或進(jìn)行推理，或故障診斷等，亦即同時(shí)兼有上述某些
2021-05-27 15:02:1112 非線性系統(tǒng)（第三版）答案免費(fèi)下載。
2022-05-11 14:17:510 目錄 電機(jī)方程 電壓方程 磁鏈方程 定義狀態(tài)變量和輸出變量 非線性觀測(cè)器方程 電角度的計(jì)算--鎖相環(huán) 鎖相環(huán)調(diào)參電機(jī)方程 電壓方程 磁鏈方程 定義狀態(tài)變量和輸出變量 非線性觀測(cè)器方程在對(duì)反電勢(shì)進(jìn)行
2023-05-06 14:31:168 本文研究了一類MIMO系統(tǒng)的干擾衰減和抑制問題基于擾動(dòng)觀測(cè)器的控制（DOBC）框架中的非線性系統(tǒng)。未知的外部擾動(dòng)被認(rèn)為是由一個(gè)外生系統(tǒng)產(chǎn)生的，其中一些關(guān)于可以消除干擾。分別考慮了植物中的兩種非線性
2023-06-05 09:24:250 非線性系統(tǒng)的相平面法是一種分析和研究非線性系統(tǒng)動(dòng)力學(xué)行為的方法。相平面法通過將系統(tǒng)的狀態(tài)變量表示為二維平面上的軌跡，來揭示非線性系統(tǒng)的穩(wěn)定性、周期性、吸引子等特性。
2023-06-30 16:29:082203 
人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別? 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）是一種模仿人腦神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和功能的計(jì)算模型，也被稱為神經(jīng)網(wǎng)絡(luò)（Neural
2023-08-22 16:45:182941
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論