該文檔為人工神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)法教程文檔，是一份很不錯(cuò)的參考資料，具有較高參考價(jià)值，感興趣的可以下載看看………………
標(biāo)簽： 人工神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2022-02-19
上傳用戶(hù)：
該文檔為人工神經(jīng)網(wǎng)絡(luò)具有四個(gè)基本特征教程文檔，是一份很不錯(cuò)的參考資料，具有較高參考價(jià)值，感興趣的可以下載看看………………
標(biāo)簽： 人工神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2022-02-19
上傳用戶(hù)：1208020161
該文檔為人工神經(jīng)網(wǎng)絡(luò)固有的優(yōu)點(diǎn)和缺點(diǎn)講解文檔，是一份很不錯(cuò)的參考資料，具有較高參考價(jià)值，感興趣的可以下載看看………………
標(biāo)簽： 人工神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2022-02-20
上傳用戶(hù)：trh505
該文檔為人工神經(jīng)網(wǎng)絡(luò)的模型講解文檔，是一份很不錯(cuò)的參考資料，具有較高參考價(jià)值，感興趣的可以下載看看………………
標(biāo)簽： 人工神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2022-02-20
上傳用戶(hù)：
該文檔為基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)原理及MATLAB實(shí)現(xiàn)講解文檔，是一份很不錯(cuò)的參考資料，具有較高參考價(jià)值，感興趣的可以下載看看………………
標(biāo)簽： 人工神經(jīng)網(wǎng)絡(luò) matlab
上傳時(shí)間： 2022-02-26
上傳用戶(hù)：20125101110
該文檔為三種常用的人工神經(jīng)網(wǎng)絡(luò)講解文檔，是一份很不錯(cuò)的參考資料，具有較高參考價(jià)值，感興趣的可以下載看看………………
標(biāo)簽： 神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2022-03-09
上傳用戶(hù)：kent
人工神經(jīng)網(wǎng)絡(luò)提供了一種普遍且實(shí)用的方法從樣例中學(xué)習(xí)值為實(shí)數(shù)、離散值或向量的函數(shù)反向傳播算法，使用梯度下降來(lái)調(diào)節(jié)網(wǎng)絡(luò)參數(shù)以最佳擬合由輸入-輸出對(duì)組成的訓(xùn)練集合人工神經(jīng)網(wǎng)絡(luò)對(duì)于訓(xùn)練數(shù)據(jù)中的錯(cuò)誤健壯性很好人工神經(jīng)網(wǎng)絡(luò)已被成功應(yīng)用到很多領(lǐng)域，例如視覺(jué)場(chǎng)景分析，語(yǔ)音識(shí)別，機(jī)器人控制神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)對(duì)于逼近實(shí)數(shù)值、離散值或向量值的目標(biāo)函數(shù)提供了一種健壯性很強(qiáng)的方法對(duì)于某些類(lèi)型的問(wèn)題，如學(xué)習(xí)解釋復(fù)雜的現(xiàn)實(shí)世界中的傳感器數(shù)據(jù)，人工神經(jīng)網(wǎng)絡(luò)是目前知道的最有效的學(xué)習(xí)方法反向傳搖成功例子，學(xué)習(xí)識(shí)別手寫(xiě)字符，學(xué)習(xí)識(shí)別口語(yǔ)，學(xué)習(xí)識(shí)別人臉生物學(xué)動(dòng)機(jī)ANN受到生物學(xué)的啟發(fā)，生物的學(xué)習(xí)系統(tǒng)是由相互連接的神經(jīng)元組成的異常復(fù)雜的網(wǎng)絡(luò)。ANN由一系列簡(jiǎn)單的單元相互密集連接構(gòu)成的，其中每一個(gè)單元有一定數(shù)量的實(shí)值輸入，并產(chǎn)生單一的實(shí)數(shù)值輸出人腦的構(gòu)成，大約有1011個(gè)神經(jīng)元，平均每一個(gè)與其他104個(gè)相連神經(jīng)元的活性通常被通向其他神經(jīng)元的連接激活或抑制最快的神經(jīng)元轉(zhuǎn)換時(shí)間比計(jì)算機(jī)慢很多，然而人腦能夠以驚人的速度做出復(fù)雜度驚人的決策很多人推測(cè)，生物神經(jīng)系統(tǒng)的信息處理能力一定得益于對(duì)分布在大量神經(jīng)元上的信息表示的高度并行處理
標(biāo)簽： 機(jī)器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2022-04-08
上傳用戶(hù)：trh505
本書(shū)系統(tǒng)地論述了人工神經(jīng)網(wǎng)絡(luò)的主要理論和設(shè)計(jì)基礎(chǔ)，給出了大量應(yīng)用實(shí)例，旨在使讀者了解神經(jīng)網(wǎng)絡(luò)的發(fā)展背景和研究對(duì)象，理解和熟悉其基本原理和主要應(yīng)用，掌握其結(jié)構(gòu)模型和基本設(shè)計(jì)方法，為以后的深入研究和應(yīng)用開(kāi)發(fā)打下基礎(chǔ)。作者連續(xù)11年為電氣信息類(lèi)專(zhuān)業(yè)研究生及本科高年級(jí)學(xué)生開(kāi)設(shè)“人工神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用”課程，2002年在多次修改講義和多項(xiàng)科研成果基礎(chǔ)上形成本書(shū)的第一版。本書(shū)第二版對(duì)原書(shū)約1/3的內(nèi)容進(jìn)行了更新，對(duì)保留內(nèi)容進(jìn)行了修改。取材注意內(nèi)容的典型性和先進(jìn)性，編排注意內(nèi)容的邏輯性，闡述注重物理概念的清晰性，舉例與思考練習(xí)的安排注意了內(nèi)容的實(shí)踐性，常用神經(jīng)網(wǎng)絡(luò)及算法的介紹著重于實(shí)用性。
標(biāo)簽： 人工神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2022-06-21
上傳用戶(hù)：qingfengchizhu
木書(shū)以神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為主線(xiàn)，以學(xué)習(xí)算法為副線(xiàn)，詳細(xì)介紹了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和算法步驟，并給出實(shí)例和練習(xí)，目的是使讀者易看懂，能動(dòng)手，會(huì)應(yīng)用。主要內(nèi)容包括：人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介、單層前向網(wǎng)絡(luò)及LMS學(xué)習(xí)算法、多層前向網(wǎng)絡(luò)及BP學(xué)習(xí)算法、支持向量機(jī)及其學(xué)習(xí)算法、 Hopfield神經(jīng)網(wǎng)絡(luò)與聯(lián)想記憶、隨機(jī)神經(jīng)網(wǎng)絡(luò)及模擬退火算法、競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)和協(xié)同神經(jīng)網(wǎng)絡(luò)。每章均給出了基于 MATLAB的仿真實(shí)例以及練習(xí)。
標(biāo)簽： 人工神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2022-07-12
上傳用戶(hù)：
本文擬借助于神經(jīng)網(wǎng)絡(luò)良好的逼近能力，實(shí)現(xiàn)永磁同步電機(jī)的無(wú)位置傳感器控制。 人工神經(jīng)網(wǎng)絡(luò)(Neural Network)可以逼近任意復(fù)雜非線(xiàn)性映射，具有很強(qiáng)的自學(xué)習(xí)自適應(yīng)能力，十分適合于解決復(fù)雜的非線(xiàn)性控制問(wèn)題。其中，BP神經(jīng)網(wǎng)絡(luò)是目前廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)之一，得到了較為深入的研究，其結(jié)構(gòu)簡(jiǎn)單，需要離線(xiàn)確定的參數(shù)少、泛化能力強(qiáng)、逼近精度高、實(shí)時(shí)性強(qiáng)，采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)永磁同步電機(jī)的調(diào)速控制具有重要意義。 文中提出了基于BP神經(jīng)網(wǎng)絡(luò)的永磁同步電機(jī)自適應(yīng)調(diào)速控制策略，建立了一種包含辨識(shí)網(wǎng)絡(luò)和控制網(wǎng)絡(luò)的雙神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)控制系統(tǒng)。辨識(shí)網(wǎng)絡(luò)在線(xiàn)動(dòng)態(tài)辨識(shí)系統(tǒng)輸出并對(duì)控制網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整，控制網(wǎng)絡(luò)與PI控制方法相結(jié)合實(shí)現(xiàn)永磁同步電機(jī)自適應(yīng)轉(zhuǎn)速控制。仿真結(jié)果表明，該系統(tǒng)動(dòng)態(tài)響應(yīng)快、實(shí)時(shí)性較強(qiáng)、精度較高。 文中提出了一種基于混合訓(xùn)練算法的BP神經(jīng)網(wǎng)絡(luò)永磁同步電機(jī)無(wú)位置傳感器控制方法。采用混沌優(yōu)化和梯度下降法相結(jié)合的混合算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行離線(xiàn)訓(xùn)練后，將其用于永磁同步電機(jī)的轉(zhuǎn)子位置角在線(xiàn)估計(jì)。結(jié)果表明，該訓(xùn)練算法可以有效地加快神經(jīng)網(wǎng)絡(luò)收斂速度，且估計(jì)的轉(zhuǎn)子位置角誤差較小、精度較高。 文中建立了以TMS320F2812芯片為核心的永磁同步電機(jī)調(diào)速控制系統(tǒng)，并進(jìn)行了相應(yīng)的軟硬件設(shè)計(jì)，為實(shí)現(xiàn)永磁同步電機(jī)的各種控制策略奠定了實(shí)驗(yàn)基礎(chǔ)。DSP控制系統(tǒng)為神經(jīng)網(wǎng)絡(luò)訓(xùn)練提供樣本，為研究永磁同步電機(jī)的自適應(yīng)調(diào)速控制和轉(zhuǎn)子位置角估計(jì)創(chuàng)造了條件。
標(biāo)簽： BP神經(jīng)網(wǎng)絡(luò) 永磁同步電機(jī) 自適應(yīng)控制
上傳時(shí)間： 2013-05-23
上傳用戶(hù)：1101055045
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
