亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

蟲蟲首頁(yè)| 資源下載| 資源專輯| 精品軟件
登錄| 注冊(cè)

Matlab神經(jīng)網(wǎng)絡(luò)工具箱在系統(tǒng)辨識(shí)中的應(yīng)用

  • 利用遞迴式模糊類神經(jīng)網(wǎng)路(recerrent neural networks system identification, RFNN)進(jìn)行系統(tǒng)辨識(shí), 自己寫的請(qǐng)多包含

    利用遞迴式模糊類神經(jīng)網(wǎng)路(recerrent neural networks system identification, RFNN)進(jìn)行系統(tǒng)辨識(shí), 自己寫的請(qǐng)多包含

    標(biāo)簽: identification recerrent networks neural

    上傳時(shí)間: 2017-02-27

    上傳用戶:LIKE

  • C++神經(jīng)網(wǎng)絡(luò)

    C++神經(jīng)網(wǎng)絡(luò),c++,BP網(wǎng)絡(luò)模型,適用于多對(duì)一

    標(biāo)簽:

    上傳時(shí)間: 2017-04-09

    上傳用戶:iswlkje

  • HT45RM03A 在電動(dòng)自行車控制器中的應(yīng)用

    HT45RM03A 在電動(dòng)自行車控制器中的應(yīng)用

    標(biāo)簽: 03A HT 45 03

    上傳時(shí)間: 2016-12-29

    上傳用戶:水口鴻勝電器

  • 神經(jīng)網(wǎng)絡(luò)在智能機(jī)器人導(dǎo)航系統(tǒng)中的應(yīng)用研究

    神經(jīng)網(wǎng)絡(luò)在智能機(jī)器人導(dǎo)航系統(tǒng)中的應(yīng)用研究1神經(jīng)網(wǎng)絡(luò)在環(huán)境感知中的應(yīng) 用 對(duì)環(huán)境 的感 知 ,環(huán)境模型 妁表示 是非常重要 的。未 知 環(huán)境中的障礙物的幾何形狀是不確定的,常用的表示方浩是 槽格法。如果用冊(cè)格法表示范圍較大的工作環(huán)境,在滿足 精度要求 的情況下,必定要占用大量的內(nèi)存,并且采用柵 格法進(jìn)行路徑規(guī)劃,其計(jì)算量是相當(dāng)大的。Kohon~n自組織 神經(jīng)瞬絡(luò)為機(jī)器人對(duì)未知環(huán)境的蒜知提供了一條途徑。 Kohone~沖經(jīng)網(wǎng)絡(luò)是一十自組織神經(jīng)網(wǎng)絡(luò),其學(xué)習(xí)的結(jié) 果能體現(xiàn)出輸入樣本的分布情況,從而對(duì)輸入樣本實(shí)現(xiàn)數(shù) 據(jù)壓縮 。基于 網(wǎng)絡(luò) 的這些特 性,可采 用K0h0n曲 神經(jīng)元 的 權(quán)向量來(lái)表示 自由空間,其方法是在 自由空間中隨機(jī)地選 取坐標(biāo)點(diǎn)xltl【可由傳感器獲得】作為網(wǎng)絡(luò)輸入,神經(jīng)嘲絡(luò)通 過(guò)對(duì)大量的輸八樣本的學(xué)習(xí),其神經(jīng)元就會(huì)體現(xiàn)出一定的 分布形 式 學(xué)習(xí)過(guò)程如下:開(kāi) 始時(shí)網(wǎng)絡(luò)的權(quán)值隨機(jī)地賦值 , 其后接下式進(jìn)行學(xué) 習(xí): , 、 Jm(,)+叫f)f,)一珥ff)) ∈N,(f) (,) VfeN.(f1 其 中M(f1:神經(jīng)元 1在t時(shí)刻對(duì) 應(yīng)的權(quán)值 ;a(∽ 謂整系 數(shù) ; (『l網(wǎng)絡(luò)的輸八矢量;Ⅳ():學(xué)習(xí)的 I域。每個(gè)神經(jīng)元能最 大限度 地表示一 定 的自由空間 。神經(jīng) 元權(quán) 向量的最 小生成 樹可以表示出自由空問(wèn)的基本框架。網(wǎng)絡(luò)學(xué)習(xí)的鄰域 (,) 可 以動(dòng) 態(tài)地 定義 成矩形 、多邊 形 。神經(jīng) 元數(shù)量 的選取取 決 于環(huán)境 的復(fù)雜度 ,如果神 經(jīng)元 的數(shù)量 太少 .它們就 不能 覆 蓋整十空間,結(jié)果會(huì)導(dǎo)致節(jié)點(diǎn)穿過(guò)障礙物區(qū)域 如果節(jié)點(diǎn) 妁數(shù)量太大 .節(jié)點(diǎn)就會(huì)表示更多的區(qū)域,也就得不到距障 礙物的最大距離。在這種情況下,節(jié)點(diǎn)是對(duì)整個(gè) 自由空間 的學(xué) 習(xí),而不是 學(xué)習(xí)最 小框架空 間 。節(jié) 點(diǎn)的數(shù) 量可 以動(dòng)態(tài) 地定義,在每個(gè)學(xué)習(xí)階段的結(jié)柬.機(jī)器人會(huì)檢查所有的路 徑.如檢鍘刊路徑上有障礙物 ,就意味著沒(méi)有足夠的節(jié)點(diǎn) 來(lái) 覆蓋整 十 自由窯 間,需要增加 網(wǎng)絡(luò)節(jié)點(diǎn)來(lái) 重新學(xué) 習(xí) 所 138一 以為了收斂于最小框架表示 ,應(yīng)該采用較少的網(wǎng)絡(luò) 節(jié)點(diǎn)升 始學(xué)習(xí),逐步增加其數(shù)量。這種方法比較適臺(tái)對(duì)擁擠的'E{= 境的學(xué)習(xí),自由空間教小,就可用線段表示;若自由空問(wèn) 較大,就需要由二維結(jié)構(gòu)表示 。 采用Kohonen~沖經(jīng)阿絡(luò)表示環(huán)境是一個(gè)新的方法。由 于網(wǎng)絡(luò)的并行結(jié)構(gòu),可在較短的時(shí)間內(nèi)進(jìn)行大量的計(jì)算。并 且不需要了解障礙物的過(guò)細(xì)信息.如形狀、位置等 通過(guò) 學(xué)習(xí)可用樹結(jié)構(gòu)表示自由空問(wèn)的基本框架,起、終點(diǎn)問(wèn)路 徑 可利用樹的遍 歷技術(shù)報(bào)容易地被找到 在機(jī)器人對(duì)環(huán)境的感知的過(guò)程中,可采用人】:神經(jīng)嘲 絡(luò)技術(shù)對(duì) 多傳 感器的信息進(jìn) 行融臺(tái) 。由于單個(gè)傳感器僅能 提 供部分不 完全 的環(huán)境信息 ,因此只有秉 甩 多種傳感器 才 能提高機(jī)器凡的感知能力。 2 神經(jīng) 網(wǎng)絡(luò)在局部路徑規(guī)射中的應(yīng) 用 局部路徑 規(guī)刪足稱動(dòng)吝避碰 規(guī)劃 ,足以全局規(guī)荊為指 導(dǎo) 利用在線得到的局部環(huán)境信息,在盡可能短的時(shí)問(wèn)內(nèi)

    標(biāo)簽: 神經(jīng)網(wǎng)絡(luò) 智能機(jī)器人 導(dǎo)航

    上傳時(shí)間: 2022-02-12

    上傳用戶:qingfengchizhu

  • 字元辨識(shí)系統(tǒng)-利用二元化之後利用類神經(jīng)網(wǎng)路系統(tǒng)來(lái)辨識(shí)字原碼

    字元辨識(shí)系統(tǒng)-利用二元化之後利用類神經(jīng)網(wǎng)路系統(tǒng)來(lái)辨識(shí)字原碼

    標(biāo)簽: 系統(tǒng) 二元

    上傳時(shí)間: 2013-12-28

    上傳用戶:waizhang

  • 類神經(jīng)網(wǎng)路中的RBF matlab toolbox

    類神經(jīng)網(wǎng)路中的RBF matlab toolbox

    標(biāo)簽: toolbox matlab RBF

    上傳時(shí)間: 2016-07-22

    上傳用戶:daguda

  • 類神經(jīng)網(wǎng)路

    類神經(jīng)網(wǎng)路,MLP程式碼,可以計(jì)算多層架構(gòu)之類神經(jīng)網(wǎng)路運(yùn)算~C

    標(biāo)簽:

    上傳時(shí)間: 2013-12-28

    上傳用戶:txfyddz

  • 小弟撰寫的類神經(jīng)網(wǎng)路backpropagataion,可以train如xor等互斥問(wèn)題,使用bcb所完成,因?yàn)殚_(kāi)發(fā)介面較為便利, 大部分使用類別的方法撰寫,所以若有興趣移植到vc的朋友,應(yīng)該也不會(huì)有

    小弟撰寫的類神經(jīng)網(wǎng)路backpropagataion,可以train如xor等互斥問(wèn)題,使用bcb所完成,因?yàn)殚_(kāi)發(fā)介面較為便利, 大部分使用類別的方法撰寫,所以若有興趣移植到vc的朋友,應(yīng)該也不會(huì)有太大的障礙。

    標(biāo)簽: backpropagataion train bcb xor

    上傳時(shí)間: 2013-12-30

    上傳用戶:jeffery

  • 類神經(jīng)網(wǎng)路的基本運(yùn)算-TLU,為所有學(xué)習(xí)類神經(jīng)入門的的第一個(gè)演算法,單一的neural做簡(jiǎn)易的training,雖無(wú)法解xor的問(wèn)題,但卻是人類史上的類神經(jīng)的第一步.

    類神經(jīng)網(wǎng)路的基本運(yùn)算-TLU,為所有學(xué)習(xí)類神經(jīng)入門的的第一個(gè)演算法,單一的neural做簡(jiǎn)易的training,雖無(wú)法解xor的問(wèn)題,但卻是人類史上的類神經(jīng)的第一步.

    標(biāo)簽: training neural TLU xor

    上傳時(shí)間: 2015-12-02

    上傳用戶:851197153

  • 追隨sin函數(shù),輸出有包含物插曲線圖,到傳遞神經(jīng)網(wǎng)路

    追隨sin函數(shù),輸出有包含物插曲線圖,到傳遞神經(jīng)網(wǎng)路

    標(biāo)簽: sin

    上傳時(shí)間: 2014-01-08

    上傳用戶:change0329

主站蜘蛛池模板: 益阳市| 渑池县| 海林市| 天等县| 郎溪县| 临邑县| 崇礼县| 和龙市| 商南县| 扶风县| 纳雍县| 雅江县| 长顺县| 宜都市| 叶城县| 内乡县| 沾益县| 嵊州市| 临海市| 马鞍山市| 雅江县| 高平市| 武陟县| 根河市| 宣武区| 那曲县| 盐亭县| 石渠县| 东安县| 武义县| 达日县| 泸溪县| 宝山区| 仁寿县| 明溪县| 绥芬河市| 通辽市| 台前县| 兴化市| 阳山县| 班玛县|