资源列表
Nonlinearly-Adaptive
- ：针对能够采用仿射非线性表示的含有未建模动态的SISO非线性系统，讨论了一种基于神经网络的自适应 控制方法．该方法对受控对象的已知部分．采用反馈线性化方法设计控制器，用神经网络在线补偿未建模动态及 外部干扰等引起的误差，从而实现自适应控制。对具有未建模动态的双车倒立摆设计了输出反馈自适应控制系 统．仿真表明该方法是有效的。 -A discussion is devoted to design neural network adaptive control scheme of t
Adaptive-Hysteresis
- 基于径向基函数神经网络迟滞非线性自适应控制 提出了一种新的动态迟滞非线性模型. 将一定数量不同死区宽度的 backlash 模型并行相 加, 作为一个动态系统以仿真执行器中的迟滞特性. 利用该模型, 采用伪控制方法设计了一套具有 未知迟滞特性非线性系统的神经网络自适应控制方案, 通过自适应算法来调整干扰项的上限. 采用 Lyapunov 稳定性理论进行了严格证明, 仿真试验验证了所提方案的有效性.- A nov el class of hysteresis mo dels w
On-State-Feedback-Control
- 状态反馈控制混沌系统 利用一种简单的线性状态反馈方法控制混沌运动 ,引导混沌系统稳定到失稳的平衡点或 周期轨道上 ,用劳斯2胡尔维茨稳定判据判定受控系统在平衡点处参数的取值范围 ,同时使用广义 Hamilton 系统理论的 Melnikov 方法分析受控系统的周期解. 通过对典型的混沌系统进行数值仿 真 ,证实了该控制方法的有效性.- A Linear state feedback control technique is used to guide the typical ch
delay-feedback-control
- 一 个临界混沌系统的驱动和时滞反馈控制同步 利用驱动和时滞反馈控制的混合方法，从理论上提出了渐近同步的新标准。 其中，只要设置两个控制器就能使得驱动系统和响应系统达到完全同步，而且这种 同步是时滞无关的同步。最后的数值模拟也表明提出的理论结果是正确和有效 的。-Combining with drive and delayed feedback control methods，a new asymptotic synchronization standard is p
BallGame--wancheng
- 小球碰撞，出现不同颜色，有不同发射角度与速度，是弹性碰撞-Ball collision, there are different colors, different launch angles and speed, is the elastic collision
10
- 神经网络实例，非常少有，共4个，应该是小波方面的应用实例，值得参考-Neural network instance, is very rare, a total of four, slowly to the neural network network network
7
- bp神经网络小波方面的应用例子7，注释比较详细，可以-bp in the application of wavelet neural network example, more detailed notes, you can see
8
- bp神经网络小波方面的应用例子8，注释比较详细，可以-bp in the application of wavelet neural network example 8, a more detailed notes, you can see
9
- bp神经网络小波方面的应用例子9，注释比较详细，可以-bp in the application of wavelet neural network example 9, a more detailed notes, you can see
11
- bp神经网络小波方面的应用例子11，注释比较详细，可以-bp in the application of wavelet neural network example 11, a more detailed notes, you can see
6
- bp神经网络小波方面的应用例子6，注释比较详细，可以-bp in the application of wavelet neural network example 6, notes a more detailed, you can see
nn(S.Haykin)
- 神经网络原理 Simon Haykin 基本涵盖了神经网络的许多基础部分和重要方面。像Back Propagation， Radial-Basis Function，Self-Organizing Maps，以及single neuron中的Hebbian Learning, Competitive Learning和LMS Learning。 -Neural network theory Simon Haykin covering the basic part of the neural