搜索资源列表
FLch7NNeg1
- 用改进的神经网络MBP算法辨识 ，对具有随机噪声的二阶系统的模型辨识-improved neural network algorithm for identification of MBP, the random noise with the second-order system model
mbp
- 对具有随机噪声的二阶系统的模型辨识(用改进的神经网络MBP算法辨识)-of random noise with the second-order system model (used to improve the neural network algorithm for identification MBP)
nnsysid20
- 基于MATLAB的神经网络非线性系统辨识软件包.-MATLAB-based nonlinear neural network system identification package.
bpxtbianshi
- 这是用bp神经网络实现二维系统辨识功能的源程序 -bp neural network function 2D system identification of the source
Adptive
- 神经网络的自适用算法，利用神经网络对系统辨识和跟踪。此程序为c语言和matlab混和编程，由c语言实现算法，由matlab来显示图形。-neural network algorithm applied since the use of neural network system identification and tracking. This procedure c mixed language and Matlab programming, C language algorithms fro
SysIdentify
- 用神经网络对系统辨识(BP网络)。此程序为c语言和matlab混和编程，由c语言实现算法，由matlab来显示图形。-using neural network system identification (BP). This procedure c mixed language and Matlab programming, C language algorithms from Matlab to display graphics.
WORK_final
- 为辨识bmp图像中的数字而设计的系统。它通过对图片的一系列预处理，最后通过神经网络技术识别出图片中显示的数字。-for identification bmp image and the design of digital systems. It adopted a series of photographs of pretreatment, the final neural network technology to identify the pictures show the figures.
BPidentify_trymodel
- BP神经网络控制系统辨识的m文件原程序，经过离线训练可以仿真出采样点的变化曲线
FLch7FNNeg3
- 模糊神经网络解耦MATLAB程序，系统辨识中有用，希望对大家有帮助
MATLAB-SYSTEM-IDENTIFICATION
- 关于系统的神经网络的matlab辨识问题-system identification matlab about neural network
NN_xLMS
- 基于神经网络在线辨识的自适应逆振动控制技术。可以有效地应用到非线性系统的控制。-Line identification based on neural network adaptive inverse vibration control technology. Can be effectively applied to nonlinear system control.
BP_identification
- BP神经网络用于系统辨识的例子，给出了程序和结果-BP network used for system identification
Robot-program
- 《机器人控制系统的设计与MATLAB仿真》一书所有的matlab仿真程序。本书系统地介绍了机器人控制的几种先进设计方法，是作者多年来从事机器人控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的最新成果。全书以机器人为对象，共分10章，包括先进PID控制、神经网络自适应控制、模糊自适应控制、迭代学习控制、反演控制、滑膜控制、自适应鲁棒控制、系统辨识和路径规划。-" Robot Control System Design and MATLAB simulation,"
code
- 该例程借助神经网络辨识非线性系统的输入输出特性(The neural network is used to identify the input and output characteristics of nonlinear systems)
BP
- 利用BP网络逼近对象y(k)=u(k)^3+y(k-1)/(1+y(k-1)^2)。采样时间取1ms。输入信号为u(k)=0.5sin(6*pi*t)。(Approximate object y (k), =u (k), ^3+y (k-1) / (1+y (k-1) ^2) using BP networks. Sampling time is 1ms. The input signal is u (k) =0.5sin (6*pi*t).)
corbeppjnd
- 这是一个模型系统辨识的源代码,可以确定过程系统的参数,()
基于最小二乘法RBF神经网络MATLAB程序
- 基于最小二乘法RBF神经网络MATLAB程序，采用最小二乘法及RBF神经网络完成系统辨识(RBF neural network MATLAB program based on least square method, using least square method and RBF neural network to complete system identification)
MATLAB神经网络30个案例分析代码
- 对于神经网络系统辨识，采用MATLAB进行仿真验证(For neural network system identification, MATLAB is used for simulation verification)
系统建模
- 1.批量最小二乘法算法（也称最小二乘的一次性完成辨识算法） 2.递推最小二乘法算法，应用递推算法对参数估计值进行不断修正,以取得更为准确的参数估计值。 3.粒子群算法(PSO)。粒子群优化算法的基本思想：是通过群体中个体之间的协作和信息共享来寻找最优解．PSO的优点在于简单容易实现并且没有许多参数的调节。 4.BP神经网络，各个神经元仅接收来自前一级的输出，经神经元处理后的信息将输出至下一级，网络中没有反馈，即前一级神经元不会接受后一级神经元的输出。 water tank是原始数据（双容
BP_NNtool
- 能够根据样本数据训练一个很好的网络系统，根据这个系统可以很好的预测数据值(Able to predict data values well based on sample data)