神經(jīng)網(wǎng)絡(luò)算法源程序，如SOM、HopField、CPN、BPN、BOLTZMAN、ART、ADALINE，同時(shí)提供針對(duì)不同算法的演示源程序。
標(biāo)簽： 神經(jīng)網(wǎng)絡(luò)算法 源程序
上傳時(shí)間： 2013-12-18
上傳用戶(hù)：xz85592677
基于滑模控制的不確定分?jǐn)?shù)階HopField神經(jīng)網(wǎng)絡(luò)有限時(shí)間魯棒控制
標(biāo)簽： 滑模控制
上傳時(shí)間： 2019-07-24
上傳用戶(hù)：sjjy0220
基于人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)智能機(jī)器人的避障軌跡控制摘 要：利用人工神經(jīng)網(wǎng)絡(luò)中的二級(jí) BP網(wǎng)。模擬智能機(jī)器人的兩控制參數(shù)(左 、右輪速)間的函數(shù)關(guān)系。實(shí)現(xiàn)避 障軌跡為圓弧或橢圓弧的軌跡控制 。并且通過(guò)調(diào)整橢圓長(zhǎng)、短軸大小。能實(shí)現(xiàn)多個(gè)及多層障礙物的避障控制．該方法 的突出特點(diǎn)是方法簡(jiǎn)單、算法容易實(shí)現(xiàn) 。使機(jī)器人完成多個(gè)及多層避障動(dòng)作時(shí)。不滯后于動(dòng)態(tài)環(huán)境里其它機(jī)器人(障 礙物)位置的變化．在仿真實(shí)驗(yàn)中。取得了理想的效果． 關(guān)鍵詞；BP神經(jīng)網(wǎng)絡(luò)I多個(gè)及多層避障控制I橢圓軌跡1 弓I言(Introduction) 在機(jī)器人中，避障軌跡的生成是一個(gè)重要的問(wèn) 題．對(duì)于不確定的動(dòng)態(tài)環(huán)境下的實(shí)時(shí)避障軌跡生成， 是較為困難的．有關(guān)這方面的研究，目前已有許多方 法．一些神經(jīng)網(wǎng)絡(luò)模型被設(shè)計(jì)出來(lái)，產(chǎn)生實(shí)時(shí)的軌跡 生成．文獻(xiàn)113[23提供的神經(jīng)網(wǎng)絡(luò)模型產(chǎn)生的軌跡 生成僅能處理在靜態(tài)環(huán)境下及假設(shè)空間中沒(méi)有障礙 物的情況．[3]提供的神經(jīng)網(wǎng)絡(luò)模型，能為智能機(jī)器 人產(chǎn)生導(dǎo)航的避障軌跡，然而模型在計(jì)算上相當(dāng)復(fù) 雜．文獻(xiàn)[43提供了HopField神經(jīng)網(wǎng)絡(luò)模型，能在動(dòng) 態(tài)環(huán)境下產(chǎn)生時(shí)實(shí)的避障軌跡生成，并在文獻(xiàn)[5] 中，嚴(yán)格證明了因該方法生成的軌跡沒(méi)有遭受局部 極小點(diǎn)逃離問(wèn)題．并且文獻(xiàn)[63用兩個(gè)神經(jīng)網(wǎng)絡(luò)層疊 加起來(lái)，每層構(gòu)造相似于[43中的網(wǎng)絡(luò)結(jié)構(gòu)．它是利 用第二層網(wǎng)絡(luò)來(lái)發(fā)現(xiàn)下一個(gè)機(jī)器人位置的無(wú)監(jiān)督模 型，然而它卻加倍了計(jì)算量，盡管文獻(xiàn)[4，6]提供的 方法能在動(dòng)態(tài)環(huán)境下，產(chǎn)生時(shí)實(shí)避障軌跡，但都具有 較慢的運(yùn)動(dòng)速度，在快速變化的環(huán)境下不能恰當(dāng)?shù)? 完成動(dòng)作執(zhí)行，因?yàn)闄C(jī)器人要比較好地完成避障動(dòng) 作，必須不能滯后于障礙物動(dòng)作變化
標(biāo)簽： 神經(jīng)網(wǎng)絡(luò) 智能機(jī)器人
上傳時(shí)間： 2022-02-12
上傳用戶(hù)：得之我幸78
本書(shū)主要講述神經(jīng)網(wǎng)絡(luò)的基本概念，介紹實(shí)用的網(wǎng)絡(luò)模型、學(xué)習(xí)規(guī)則和訓(xùn)練方法。全書(shū)分19章，內(nèi)容涵蓋神經(jīng)元模型和網(wǎng)絡(luò)結(jié)構(gòu)、感知機(jī)學(xué)習(xí)規(guī)則、有監(jiān)督的Hebb學(xué)習(xí)、Widrow—Hoff學(xué)習(xí)算法、反向傳播算法及其變形、聯(lián)想學(xué)習(xí)、競(jìng)爭(zhēng)網(wǎng)絡(luò)、Grossberg網(wǎng)絡(luò)、自適應(yīng)諧振理論和HopField網(wǎng)絡(luò)。書(shū)中注重對(duì)數(shù)學(xué)分析方法和性能優(yōu)化的討論，強(qiáng)調(diào)神經(jīng)網(wǎng)絡(luò)在模式識(shí)別、信號(hào)處理以及控制系統(tǒng)等實(shí)際工程問(wèn)題中的應(yīng)用。同時(shí)本書(shū)包含大量例題、習(xí)題，并配有基于MATLAB軟件包的“神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)演示&
標(biāo)簽： 神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2022-06-21
上傳用戶(hù)：默默
《現(xiàn)代通信系統(tǒng)盲處理技術(shù)新進(jìn)展---基于智能算法》主要由以下8章組成： 第1章簡(jiǎn)要介紹無(wú)線(xiàn)通信系統(tǒng)的結(jié)構(gòu)和發(fā)展概況，以及其盲處理算法的相關(guān)知識(shí)。第2章介紹人工神經(jīng)網(wǎng)絡(luò)及相應(yīng)知識(shí)，從BP神經(jīng)網(wǎng)絡(luò)若手研究盲處理問(wèn)題,同時(shí)給出復(fù)數(shù)域BP神經(jīng)網(wǎng)絡(luò)的信號(hào)盲處理方法和該類(lèi)方法的優(yōu)缺點(diǎn)說(shuō)明。在第3章中介紹智能體的概念，并給出基于多智能體系統(tǒng)的盲處理方法。第4章介紹基于支持向量機(jī)框架下的盲處理算法，介紹支持向批機(jī)的原理，給出基于ε- 支持向量回歸機(jī)的信道估計(jì)新方法，并介紹基千支持向批回歸方法的MPSK和QAM的盲信號(hào)處理方法，然后引入星座匹配誤差函數(shù)，并根據(jù)線(xiàn)性支持向攪回歸和有序風(fēng)險(xiǎn)最小化原則，由恒模和星座匹配誤差函數(shù)聯(lián)合組成的新經(jīng)驗(yàn)風(fēng)險(xiǎn)項(xiàng)構(gòu)造一個(gè)新的代價(jià)函數(shù)，進(jìn)而通過(guò)迭代求解優(yōu)化問(wèn)題獲得均衡器。第5章介紹神經(jīng)動(dòng)力學(xué)和反饋神經(jīng)網(wǎng)絡(luò)的相關(guān)知識(shí)，特別地從神經(jīng)動(dòng)力學(xué)角度論述連續(xù)反饋神經(jīng)網(wǎng)絡(luò)可有效飛作的原因，論述反饋神經(jīng)網(wǎng)絡(luò)權(quán)值矩陣對(duì)吸引子和相軌跡的影響。并給出如何根據(jù)系統(tǒng)接收信號(hào)與發(fā)送信號(hào)之間的子空間關(guān)系，構(gòu)造一個(gè)適用于現(xiàn)代通信系統(tǒng)中的盲檢測(cè)的特定性能函數(shù)和優(yōu)化問(wèn)題。第6章分別展示如何基于連續(xù)多閾值神經(jīng)元HopField網(wǎng)絡(luò)模型實(shí)現(xiàn)通信信號(hào)盲處理的理論和方法，針對(duì)多相制信號(hào)的特點(diǎn)給出兩種連續(xù)相位多闕值激勵(lì)函數(shù)形式，并分析討論該兩類(lèi)激勵(lì)函數(shù)參數(shù)的選擇、分別給出連續(xù)多閾值神經(jīng)元 HopField 網(wǎng)絡(luò)工作于同步和異步模式下的新能隊(duì)函數(shù)及其相關(guān)證明。介紹采用幅相連續(xù)激勵(lì)法解決稀疏QAM 信號(hào)的盲檢測(cè)思路，并針對(duì) QAM 信號(hào)的特點(diǎn)，分別給出連續(xù)幅度和相位多闕值激勵(lì)函數(shù)形式，分析討論該類(lèi)激勵(lì)函數(shù)的特點(diǎn)。第7章則電在從另一個(gè)角度提出采用同相正交振幅連續(xù)激勵(lì)法解決密集QAM信號(hào)盲檢測(cè)方法。介紹如何從激勵(lì)函數(shù)角度分析放大因子選擇的范圍；給出該特定問(wèn)題的同步和異步運(yùn)行模式下的新能量函數(shù)形式；并證明和分析所設(shè)計(jì)的能量函數(shù)部分定理；介紹在基于反饋神經(jīng)網(wǎng)絡(luò)的信號(hào)盲處理方法這一研究課題中發(fā)現(xiàn)的幾類(lèi)現(xiàn)象，包括當(dāng)信號(hào)的統(tǒng)計(jì)信息缺失或失真情況下，連續(xù)多閾值神經(jīng)元反饋神經(jīng)網(wǎng)絡(luò)的盲檢測(cè)能力：通用高階QMA的激勵(lì)函數(shù)被使用作為低階QAM信號(hào)盲檢測(cè)問(wèn)題時(shí)的適用性......
標(biāo)簽： 無(wú)線(xiàn)通信系統(tǒng) 智能算法
上傳時(shí)間： 2022-07-09
上傳用戶(hù)：
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)：
本書(shū)全面而系統(tǒng)地介紹了 MATLAB 算法和案例應(yīng)用，涉及面廣，從基本操作到高級(jí)算法應(yīng)用，幾乎 涵蓋 MATLAB 算法的所有重要知識(shí)。本書(shū)結(jié)合算法理論和流程，通過(guò)大量案例，詳解算法代碼，解決具 體的工程案例，讓讀者更加深入地學(xué)習(xí)和掌握各種算法在不同案例中的應(yīng)用。 本書(shū)共 32 章。涵蓋的內(nèi)容有 MATLAB 基礎(chǔ)知識(shí)、GUI 應(yīng)用及數(shù)值分析、MATALB 工程應(yīng)用實(shí)例、 GM 應(yīng)用分析、PLS 應(yīng)用分析、ES 應(yīng)用分析、MARKOV 應(yīng)用分析、AHP 應(yīng)用分析、DWRR 應(yīng)用分析、 模糊逼近算法、模糊 RBF 網(wǎng)絡(luò)、基于 FCEM 的 TRIZ 評(píng)價(jià)、基于 PSO 的尋優(yōu)計(jì)算、基于 PSO 的機(jī)構(gòu)優(yōu) 化、基本 PSO 的改進(jìn)策略、基于 GA 的尋優(yōu)計(jì)算、基于 GA 的 TSP 求解、基于 HopField 的 TSP 求解、基 于 ACO 的 TSP 求解、基于 SA 的 PSO 算法、基于 kalman 的 PID 控制、基于 SOA 的尋優(yōu)計(jì)算、基于 Bayes 的數(shù)據(jù)預(yù)測(cè)、基于 SOA 的 PID 參數(shù)整定、基于 BP 的人臉?lè)较蝾A(yù)測(cè)、基于 HopField 的數(shù)字識(shí)別、基于 DEA 的投入產(chǎn)出分析、基于 BP 的數(shù)據(jù)分類(lèi)、基于 SOM 的數(shù)據(jù)分類(lèi)、基于人工免疫 PSO 的聚類(lèi)算法、 模糊聚類(lèi)分析和基于 GA_BP 的抗糖化活性研究。 本書(shū)適合所有想全面學(xué)習(xí) MATALB 優(yōu)化算法的人員閱讀，也適合各種使用 MATALB 進(jìn)行開(kāi)發(fā)的工 程技術(shù)人員閱讀。對(duì)于相關(guān)高校的教學(xué)與研究，本書(shū)也是不可或缺的參考書(shū)。另外，對(duì)于 MATLAB 愛(ài)好 者，本書(shū)也對(duì)網(wǎng)絡(luò)上討論的大部分疑難問(wèn)題給出了解答，值得一讀。
上傳時(shí)間： 2022-07-26
上傳用戶(hù)：
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
