神經(jīng)網(wǎng)絡(luò)

關(guān)注248人關(guān)注

我要報(bào)錯(cuò)

CMAC神經(jīng)網(wǎng)絡(luò)應(yīng)用分析

　應(yīng)用　　CMAC神經(jīng)網(wǎng)絡(luò)具有小腦的機(jī)能，因而，被廣泛應(yīng)用于機(jī)器人的運(yùn)動(dòng)控制?；蛘叻催^(guò)來(lái)說(shuō)，正是為了機(jī)器人的運(yùn)動(dòng)控制，Albus構(gòu)造了CMAC神經(jīng)系統(tǒng)，以模擬脊椎動(dòng)物的小腦機(jī)能。正如Albus所說(shuō)的：“然而，對(duì)我來(lái)說(shuō)，

通信技術(shù)
2010-08-18

神經(jīng)網(wǎng)絡(luò) MAC 網(wǎng)絡(luò)應(yīng)用信道
基于混沌蟻群的神經(jīng)網(wǎng)絡(luò)速度辨識(shí)器研究

本文將混沌引入到蟻群算法(Ant Colony Optimization，ACO)當(dāng)中，以形成混沌蟻群算法(Chaos Ant Colony Optimization，CACO)，從而提高了對(duì)于BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化效率和精度，解決了上述問(wèn)題；同時(shí)，也在對(duì)異步電機(jī)直接轉(zhuǎn)矩控制(DTC)轉(zhuǎn)速辨識(shí)的仿真試驗(yàn)中，實(shí)現(xiàn)了對(duì)電機(jī)轉(zhuǎn)速的準(zhǔn)確辨識(shí)。

消費(fèi)電子
2010-06-11

節(jié)點(diǎn) 蟻群算法 BP神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)
BP神經(jīng)網(wǎng)絡(luò)的電路最優(yōu)測(cè)試集的生成設(shè)計(jì)

1 引言　　人工神經(jīng)網(wǎng)絡(luò)是基于模仿生物大腦的結(jié)構(gòu)和功能而構(gòu)成的一種信息處理系統(tǒng)。國(guó)際著名的神經(jīng)網(wǎng)絡(luò)專家Hecht Nielsen 給神經(jīng)網(wǎng)絡(luò)的定義是：“神經(jīng)網(wǎng)絡(luò)是一個(gè)以有向圖為拓?fù)浣Y(jié)構(gòu)的動(dòng)態(tài)系統(tǒng)，它通過(guò)對(duì)連續(xù)或斷續(xù)

測(cè)試測(cè)量
2010-02-03

電路節(jié)點(diǎn) BP神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)
基于神經(jīng)網(wǎng)絡(luò)的有源電力濾波器應(yīng)用研究

基于瞬時(shí)無(wú)功功率諧波動(dòng)態(tài)檢測(cè)法，檢測(cè)的精度高、實(shí)時(shí)性好。本文闡述了基于瞬時(shí)無(wú)功功率與神經(jīng)網(wǎng)絡(luò)組合控制電網(wǎng)諧波動(dòng)態(tài)檢測(cè)方法的基本原理，分析了基于瞬時(shí)無(wú)功功率的諧波檢測(cè)方法，在負(fù)載突變是引進(jìn)神經(jīng)網(wǎng)絡(luò)提高準(zhǔn)確實(shí)時(shí)性，在此基礎(chǔ)上結(jié)合有源電力濾波器進(jìn)行仿真實(shí)驗(yàn)，觀察諧波動(dòng)態(tài)檢測(cè)。

模擬
2009-12-03

有源電力濾波器 BSP BP網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)
基于CMAC神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定方法的研究

建立一個(gè)基于改進(jìn)的CMAC小腦模型神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定控制系統(tǒng)，該P(yáng)ID參數(shù)的整定方法為基于規(guī)則的整定方法，不必精確地辨識(shí)被控對(duì)象的數(shù)學(xué)模型，只需將系統(tǒng)誤差的時(shí)間特性中的特征值送入CMAC網(wǎng)絡(luò)，CMAC再根據(jù)輸入的特征值得出相應(yīng)的PID參數(shù)的變化量，即可實(shí)現(xiàn)PID參數(shù)的自整定。

模擬
2009-12-01

BSP PID參數(shù)自整定神經(jīng)網(wǎng)絡(luò) MAC
基于FPGA的人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)方法的研究

基于FPGA的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)方法已成為實(shí)際實(shí)時(shí)應(yīng)用神經(jīng)網(wǎng)絡(luò)的一種途徑。本文就十多年來(lái)基于FPGA的ANN實(shí)現(xiàn)作一個(gè)系統(tǒng)的總結(jié)，例舉關(guān)鍵的技術(shù)問(wèn)題，給出詳細(xì)的數(shù)據(jù)分析，引用相關(guān)的最新研究成果，對(duì)不同的實(shí)現(xiàn)方法和思想進(jìn)行討論分析，并說(shuō)明存在的問(wèn)題以及改善方法，強(qiáng)調(diào)神經(jīng)網(wǎng)絡(luò)FPGA實(shí)現(xiàn)的發(fā)展方向和潛力及提出自己的想法。另外，還指出基于FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)存在的瓶頸制約，最后對(duì)今后的研究趨勢(shì)作出估計(jì)。

電子設(shè)計(jì)自動(dòng)化
2009-11-17

FPGA AN BSP 神經(jīng)網(wǎng)絡(luò)
一種新的基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF解碼器方案

本文提出了一種新的基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF信號(hào)檢測(cè)算法，并介紹了在TMS320C5402和TLV320AIC10上采用此算法的DTMF信號(hào)解碼器方案設(shè)計(jì)。仿真結(jié)果和實(shí)際工程實(shí)驗(yàn)均表明該算法比傳統(tǒng)的DTMF信號(hào)解碼方法具有更強(qiáng)的抗干擾能力；該方案具有一定的實(shí)用和參考價(jià)值。

模擬
2009-11-05

解碼器 AD DTMF 神經(jīng)網(wǎng)絡(luò)
一種新的基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF解碼器方案

本文提出了一種新的基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF信號(hào)檢測(cè)算法，并介紹了在TMS320C5402和TLV320AIC10上采用此算法的DTMF信號(hào)解碼器方案設(shè)計(jì)。仿真結(jié)果和實(shí)際工程實(shí)驗(yàn)均表明該算法比傳統(tǒng)的DTMF信號(hào)解碼方法具有更強(qiáng)的抗干擾能力；該方案具有一定的實(shí)用和參考價(jià)值。

數(shù)字電源
2009-11-02

解碼器 AD DTMF 神經(jīng)網(wǎng)絡(luò)
Adaline神經(jīng)網(wǎng)絡(luò)隨機(jī)逼近LMS算法的仿真研究

1 引言人工神經(jīng)網(wǎng)絡(luò)最重要的功能之一是分類。對(duì)于線性可分問(wèn)題，采用硬限幅函數(shù)的單個(gè)神經(jīng)元，通過(guò)簡(jiǎn)單的學(xué)習(xí)算法就可成功實(shí)現(xiàn)分類。即對(duì)于兩個(gè)不同類中的輸入矢量，神經(jīng)元的輸出值為0或1。但對(duì)于大多數(shù)非線性

電子設(shè)計(jì)自動(dòng)化
2009-10-20

仿真研究 AD LMS算法神經(jīng)網(wǎng)絡(luò)
基于神經(jīng)網(wǎng)絡(luò)的火電廠生產(chǎn)過(guò)程故障診斷專家系統(tǒng)

隨著控制理論的不斷完善和發(fā)展，以及計(jì)算機(jī)技術(shù)在工業(yè)控制領(lǐng)域的廣泛應(yīng)用，控制系統(tǒng)的自動(dòng)化水平、控制品質(zhì)均得到了顯著的改善和提高。在追求控制系統(tǒng)良好控制性能的同時(shí)，對(duì)提高系統(tǒng)的可靠性和可維修性也提出了越來(lái)

工業(yè)控制
2009-09-01

網(wǎng)絡(luò)技術(shù) 故障診斷 BSP 神經(jīng)網(wǎng)絡(luò)
Widrow-Hoff神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則的應(yīng)用研究

摘要：基于線性神經(jīng)網(wǎng)絡(luò)原理，提出線性神經(jīng)網(wǎng)絡(luò)的模型，并利用Matlab實(shí)現(xiàn)Widrow-Hoff神經(jīng)網(wǎng)絡(luò)算法。分析Matlab人工神經(jīng)網(wǎng)絡(luò)工具箱中有關(guān)線性神經(jīng)網(wǎng)絡(luò)的工具函數(shù)，最后給出線性神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辨識(shí)中的實(shí)際應(yīng)用。通過(guò)對(duì)

電子設(shè)計(jì)自動(dòng)化
2009-07-23

矢量閾值 BSP 神經(jīng)網(wǎng)絡(luò)
基于模擬退火神經(jīng)網(wǎng)絡(luò)的I型FIR數(shù)字濾波器設(shè)計(jì)

摘要：提出一種基于模擬退火神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)FIR數(shù)字濾波器的方法，是對(duì)用神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法的一種改進(jìn)。由于線性相位FIR數(shù)字濾波器的幅頻特性是有限項(xiàng)的傅里葉級(jí)數(shù)，因此構(gòu)造了一個(gè)三層余弦基神經(jīng)網(wǎng)絡(luò)模型，并用模擬退火

模擬
2009-07-16

模擬數(shù)字濾波器設(shè)計(jì) FIR數(shù)字濾波器神經(jīng)網(wǎng)絡(luò)
模塊化免疫神經(jīng)網(wǎng)絡(luò)模型在計(jì)算機(jī)病毒分類檢測(cè)中的應(yīng)用

0 引言隨著信息技術(shù)的發(fā)展和互聯(lián)網(wǎng)應(yīng)用的普及，計(jì)算機(jī)系統(tǒng)受到計(jì)算機(jī)病毒的威脅。計(jì)算機(jī)病毒分類檢測(cè)，指將可疑文件作為輸入，執(zhí)行某病毒檢測(cè)算法后輸出結(jié)果(無(wú)毒、帶毒／帶何種毒)的過(guò)程，實(shí)質(zhì)上是對(duì)文件的分類。病

智能硬件
2009-06-30

計(jì)算機(jī) 模塊化網(wǎng)絡(luò)模型神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)編碼器的設(shè)計(jì)及應(yīng)用

1 BP網(wǎng)絡(luò)結(jié)構(gòu)及其算法反向傳播算法又稱誤差后向傳播算法(Error Back Propagation Algorithm)，它是用來(lái)訓(xùn)練多層前饋網(wǎng)絡(luò)的一種學(xué)習(xí)算法。是一種有監(jiān)督的學(xué)習(xí)算法。通常稱用誤差反向傳播算法訓(xùn)練的網(wǎng)絡(luò)叫BP網(wǎng)絡(luò)

智能硬件
2009-06-18

映射編碼器 BSP 神經(jīng)網(wǎng)絡(luò)
基于神經(jīng)網(wǎng)絡(luò)的多電機(jī)同步控制

1 引言在造紙、印染、紡織等高精度、高轉(zhuǎn)速傳動(dòng)系統(tǒng)中，隨著工業(yè)自動(dòng)化程度的提高和生產(chǎn)規(guī)模的擴(kuò)大，采用單電機(jī)驅(qū)動(dòng)往往難以滿足生產(chǎn)的要求。而多電機(jī)同步控制歷來(lái)是最核心的問(wèn)題，對(duì)多電機(jī)同步協(xié)調(diào)控制，國(guó)內(nèi)

工業(yè)控制
2009-05-18

BSP VI 電機(jī)同步控制神經(jīng)網(wǎng)絡(luò)
基于神經(jīng)網(wǎng)絡(luò)的聲測(cè)法車輛類型辨識(shí)的應(yīng)用研究

隨著我國(guó)高速公路和汽車技術(shù)的迅猛發(fā)展,汽車行駛速度越來(lái)越高,極需一種更有效的交通管理系統(tǒng)。這種系統(tǒng)應(yīng)能自動(dòng)識(shí)別汽車,并能準(zhǔn)確判斷出汽車類型。20世紀(jì)50年代以來(lái),點(diǎn)測(cè)式設(shè)備如環(huán)形線圈檢測(cè)器,主要用于十字路口的交

汽車電子
2009-05-13

節(jié)點(diǎn) BSP BP算法神經(jīng)網(wǎng)絡(luò)
基于神經(jīng)網(wǎng)絡(luò)的微波均衡器建模與仿真

大功率行波管等微波管是雷達(dá)等電子裝備的核心器件，其技術(shù)水平?jīng)Q定了電子裝備的戰(zhàn)術(shù)性能。但是由于大功率微波管的增益波動(dòng)較大，在等激勵(lì)輸入的情況下，不能使頻帶內(nèi)所有點(diǎn)均達(dá)到飽和輸出，這樣會(huì)造成輸入信號(hào)產(chǎn)生諧

通信技術(shù)
2009-05-13

諧振腔建模與仿真 RBF網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)
基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)滑模逆控制器設(shè)計(jì)

1、引言導(dǎo)彈的運(yùn)動(dòng)模型是一個(gè)十分復(fù)雜的非線性變參數(shù)模型。反饋線性化是一種重要的非線性控制方法，其基本思想是通過(guò)狀態(tài)變換，將一個(gè)非線性系統(tǒng)的動(dòng)態(tài)特性全部或部分變換成線性特性，從而用成熟的線性控制方

工業(yè)控制
2009-04-03

子系統(tǒng) BSP 控制器設(shè)計(jì) 神經(jīng)網(wǎng)絡(luò)
基于神經(jīng)網(wǎng)絡(luò)的熱電偶非線性校正

1 引言　　熱電偶因其結(jié)構(gòu)簡(jiǎn)單、易于制造和測(cè)溫范圍寬等優(yōu)點(diǎn)而被廣泛用于溫度測(cè)量領(lǐng)域，但是熱電偶非線性校正問(wèn)題(也稱線性化處理)，嚴(yán)重影響了溫度測(cè)量精度。國(guó)際、國(guó)內(nèi)計(jì)算標(biāo)準(zhǔn)都給出了熱電勢(shì) -溫度關(guān)系表,即熱電

測(cè)試測(cè)量
2009-04-03

熱電偶 BSP 非線性校正神經(jīng)網(wǎng)絡(luò)

首頁(yè) 上一頁(yè) 16 17 18 19 20 21 22 23 24 25 下一頁(yè) 尾頁(yè)

EasierDX
martian618
probigfat
liubeihua
Matthew2018
walk_bird
Fillmore
hu519922633
wudi1219
qinkunkun
liang_fu
張老板
newlcd2008
JasonAPP
呂兒
kingwb
小莊2
huaohui
王林鑫
paderboy

神經(jīng)網(wǎng)絡(luò)

CMAC神經(jīng)網(wǎng)絡(luò)應(yīng)用分析

基于混沌蟻群的神經(jīng)網(wǎng)絡(luò)速度辨識(shí)器研究

BP神經(jīng)網(wǎng)絡(luò)的電路最優(yōu)測(cè)試集的生成設(shè)計(jì)

基于神經(jīng)網(wǎng)絡(luò)的有源電力濾波器應(yīng)用研究

基于CMAC神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定方法的研究

基于FPGA的人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)方法的研究

一種新的基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF解碼器方案

一種新的基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF解碼器方案

Adaline神經(jīng)網(wǎng)絡(luò)隨機(jī)逼近LMS算法的仿真研究

基于神經(jīng)網(wǎng)絡(luò)的火電廠生產(chǎn)過(guò)程故障診斷專家系統(tǒng)

Widrow-Hoff神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則的應(yīng)用研究

基于模擬退火神經(jīng)網(wǎng)絡(luò)的I型FIR數(shù)字濾波器設(shè)計(jì)

模塊化免疫神經(jīng)網(wǎng)絡(luò)模型在計(jì)算機(jī)病毒分類檢測(cè)中的應(yīng)用

神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)編碼器的設(shè)計(jì)及應(yīng)用

基于神經(jīng)網(wǎng)絡(luò)的多電機(jī)同步控制

基于神經(jīng)網(wǎng)絡(luò)的聲測(cè)法車輛類型辨識(shí)的應(yīng)用研究

基于神經(jīng)網(wǎng)絡(luò)的微波均衡器建模與仿真

基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)滑模逆控制器設(shè)計(jì)

基于神經(jīng)網(wǎng)絡(luò)的熱電偶非線性校正

相關(guān)標(biāo)簽

關(guān)注此標(biāo)簽的用戶(248人)

熱門活動(dòng)

課程視頻