EEPW首頁(yè) >>
主題列表 >>
神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò) 文章 進(jìn)入神經(jīng)網(wǎng)絡(luò)技術(shù)社區(qū)
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)。
- 關(guān)鍵字： 辨識(shí) 研究 速度 神經(jīng)網(wǎng)絡(luò) 混沌 蟻群 基于
基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器及仿真
- 神經(jīng)網(wǎng)絡(luò)PID控制器實(shí)現(xiàn)了兩種算法本質(zhì)的結(jié)合，借助于神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)，自組織能力，可實(shí)現(xiàn)PID參數(shù)的在線調(diào)整，控制器自適應(yīng)性好；該算法不要求被控對(duì)象有精確的數(shù)學(xué)模型，擴(kuò)大了應(yīng)用范圍，控制效果良好；在合理選擇神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)的情況下，該算法有很強(qiáng)的泛化能力?；谝陨蟽?yōu)點(diǎn)，神經(jīng)網(wǎng)絡(luò)PID控制器具有很好的發(fā)展應(yīng)用前景。
- 關(guān)鍵字： 控制器 仿真 PID 神經(jīng)網(wǎng)絡(luò) BP 基于
基于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)
- 關(guān)鍵字： 神經(jīng)網(wǎng)絡(luò) 電路 故障診斷 最優(yōu)測(cè)試集
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)。
- 關(guān)鍵字： 神經(jīng)網(wǎng)絡(luò) 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
- 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。
- 關(guān)鍵字： CMAC PID 神經(jīng)網(wǎng)絡(luò) 參數(shù)
一種新的基于改進(jìn)的ADALINE神經(jīng)網(wǎng)絡(luò)的DTMF解碼器方
- 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。
- 關(guān)鍵字： ADALINE DTMF 神經(jīng)網(wǎng)絡(luò) 解碼器
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(lèi)。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(lèi)。即對(duì)于兩個(gè)不同類(lèi)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 - 關(guān)鍵字： Adaline LMS 神經(jīng)網(wǎng)絡(luò) 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(zhuān)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)
- 關(guān)鍵字： 診斷 專(zhuān)家系統(tǒng) 故障 生產(chǎn)過(guò)程 神經(jīng)網(wǎng)絡(luò) 火電廠 基于
基于Gabor小波與RBF神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別新方法
- 在人臉識(shí)別中，高維、小樣本是一個(gè)問(wèn)題。對(duì)此，提出了一種基于Gabor小波與徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法。首先對(duì)人臉進(jìn)行Gabor濾波，選取有效的Gabor組合。進(jìn)行小波分解，獲取低頻圖像，構(gòu)造特征矢量，采用主分量分析降低特征維數(shù)。接著，提出了一種聚類(lèi)方法用于確定RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和初值，采用混合學(xué)習(xí)法訓(xùn)練RBF神經(jīng)網(wǎng)絡(luò)。用ORL人臉庫(kù)進(jìn)行試驗(yàn)，結(jié)果表明本文提出的方法具有優(yōu)秀的學(xué)習(xí)效率和識(shí)別效果。
- 關(guān)鍵字： 人臉 識(shí)別 方法 神經(jīng)網(wǎng)絡(luò) RBF Gabor 小波 基于
基于RBF神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng)傳感器故障診斷方法
- 引 言
傳感器是現(xiàn)行研究的壓鑄機(jī)實(shí)時(shí)檢測(cè)與控制系統(tǒng)的關(guān)鍵部件，系統(tǒng)利用傳感器對(duì)壓鑄機(jī)的各重要電控參數(shù) (如：合型力、油壓、壓射速度、模具溫度等)進(jìn)行檢測(cè)，并進(jìn)行準(zhǔn)確控制。這一過(guò)程中，各傳感器輸出信號(hào)的 - 關(guān)鍵字： 故障 診斷方法 傳感器 控制系統(tǒng) RBF 神經(jīng)網(wǎng)絡(luò) 基于 仿真
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)
- 關(guān)鍵字： Widrow-Hoff 神經(jīng)網(wǎng)絡(luò) 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)
- 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
- 關(guān)鍵字： FIR 模擬退火 濾波器設(shè)計(jì) 神經(jīng)網(wǎng)絡(luò)
基于S7-200 PLC的模糊神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)
- 摘要：隨著智能信息技術(shù)的發(fā)展，模糊神經(jīng)網(wǎng)絡(luò)算法廣泛應(yīng)用于工業(yè)控制。但該算法尚未應(yīng)用于PLC。針對(duì)這種現(xiàn)狀，給出基于S7-200PLC的模糊神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)。利用模糊神經(jīng)網(wǎng)絡(luò)算法的理論知識(shí)，在S7-200的平臺(tái)上采用梯形
- 關(guān)鍵字： 算法 設(shè)計(jì) 神經(jīng)網(wǎng)絡(luò) 模糊 S7-200 PLC 基于
神經(jīng)網(wǎng)絡(luò)介紹
您好，目前還沒(méi)有人創(chuàng)建詞條神經(jīng)網(wǎng)絡(luò)!
歡迎您創(chuàng)建該詞條，闡述對(duì)神經(jīng)網(wǎng)絡(luò)的理解，并與今后在此搜索神經(jīng)網(wǎng)絡(luò)的朋友們分享。 創(chuàng)建詞條
歡迎您創(chuàng)建該詞條，闡述對(duì)神經(jīng)網(wǎng)絡(luò)的理解，并與今后在此搜索神經(jīng)網(wǎng)絡(luò)的朋友們分享。 創(chuàng)建詞條
神經(jīng)網(wǎng)絡(luò)電路
神經(jīng)網(wǎng)絡(luò)相關(guān)帖子
神經(jīng)網(wǎng)絡(luò)資料下載
神經(jīng)網(wǎng)絡(luò)視頻
神經(jīng)網(wǎng)絡(luò)專(zhuān)欄文章
熱門(mén)主題
關(guān)于我們 -
廣告服務(wù) -
企業(yè)會(huì)員服務(wù) -
網(wǎng)站地圖 -
聯(lián)系我們 -
征稿 -
友情鏈接 -
手機(jī)EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國(guó)際技術(shù)信息咨詢有限公司
京ICP備12027778號(hào)-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國(guó)際技術(shù)信息咨詢有限公司
京ICP備12027778號(hào)-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473