搜索资源列表
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.
1
- BP神经网络已广泛应用于非线性建摸、函数逼近、系统辨识等方面，但对实际问题，其模型结构需由 实验确定，无规律可寻。简要介绍了利用 Matlab语言进行 BP网络建立、训练、仿真的方法及注意事项。
wavelet
- 小波神经网络实现非线性系统辨识-non-linear system identification by wavelet
five
- 1.BP神经网络进行模式识别 2.用BP网络对非线性系统进行辨识 3.一个神经网络PID控制器 4.图像处理的PCA算法 5.图像处理的穷举算法-1.BP neural network pattern recognition 2. Using BP network identification of nonlinear systems 3. A neural network PID controller 4. The PCA algorithm for image process
ReviewofSVM-basedControlandOnlineTrainingAlgorithm
- 支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能 控制的研究，主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方 面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研 究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练，因此出现了对SVMR 在线训练算法的研究。分析了国内外这些研究内容的最新研究进展，旨在探讨归纳支持向量机在控 制领域研究的主要成果和存在的问题，以便为进一步的研
m354z
- 基于CMAC网络的非线性系统辨识。用于实现对非线性系统的辨识作用-CMAC network based nonlinear system identification. For the realization of the role of the nonlinear system identification
m355z
- 基于PID网络的非线性动态系统辨识。用于对非线性系统的辨识-PID-based nonlinear dynamic system identification network. For the identification of nonlinear systems
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.
xijun
- 本文提出了一种新的基于细菌生存优化(Bacterial Foraging Optimization –BFO)的非线性模型辨识方法。它是利用群集智能仿生BFO算法对一类Hammerstein系统进行辨识，从而估计出它的参数模型-This paper presents a new optimization based on bacterial survival (Bacterial Foraging Optimization-BFO) nonlinear model identification
NLJ-optimization-algorithm
- 针对一个非线性系统，用NLJ 优化算法进行系统辨识-For a nonlinear system, with the NLJ optimization algorithm for system identification
BP2
- 换档品质评价方法的研究是应现代车辆自动变速技术发展需要而提出的前沿研究课 题,其评价过程可视为一个非线性动态系统。BP 神经网络的非线性系统辨识 ,能够逼近任意 一个非线性函数。通过确定换档品质评定指标 ,利用BP网络训练获得的数据样本 ,从而建立 主观、 客观评价标准之间的联系 利用 Mat lab/ Simulink 完成换档品质评价方法的客观描述并 进行仿真。通过与实验结果对比 ,证明这种方法能够有效真实地评价换档品质并与传统主观 评价方法具有很好的一致性。-Shift
bp
- BP神经网络模式识别程序，非线性系统辨识-The BP neural network model identification procedures
DFNN
- 动态模糊神经网络应用中的非线性系统辨识的源程序代码，希望有用处啊！-Dynamic fuzzy neural network applications in nonlinear system identification of the source code useful!
bianshi
- 系统辨识，使用神经网络完成非线性对象的辨识。同时保存权值阈值信息-Systems Identification，use a neural network to implay a nonlinear object，and at the same time to save the weights information
GAPRBF
- 采用遗传算法优化RBF神经网络，并用于非线性系统辨识。-Genetic algorithm to optimize the RBF neural network, and for the identification of nonlinear systems.
GAPfuzzyRBF
- 采用遗传算法对模糊RBF神经网络进行优化，并用于非线性系统辨识。-The genetic algorithm optimized fuzzy RBF neural network for nonlinear system identification.
GAPBP
- 用遗传算法优化BP神经网络的初始权值，并用于非线性系统辨识。-BP neural network using genetic algorithms to optimize the initial weights, and for the identification of nonlinear systems.
chap9_10
- 基于加权LS-SVM的非线性系统内模控制的仿真程序，由于辨识信号采用的都是随机信号，不是数值固定的信号，所以程序每次运行的结果都可能有所不同-Emulator mode control based on weighted LS-SVM nonlinear systems identification signal are random signal, not the value of the fixed signal, so the program each time you run the r
bp
- 利用BP网络对非线性系统进行辨识，同时，利用模型参考自适应方法，设计NNMARC控制器-BP network identification of nonlinear systems, at the same time, the use of model reference adaptive method, design NNMARC controller
SOFCMAC
- 任意维输入，自定义输出维数的SOFCMAC（自组织模糊小脑神经网络），实际上是一种将Kohonen网络的思想用于模糊CMAC的方法。参考文献是自组织模糊CMAC神经网络及其非线性系统辨识_王源。-SOFCMAC (self organizing fuzzy cerebellar neural network) with arbitrary dimension input, which is actually a kind of method for fuzzy CMAC with Kohonen