本書將帶領讀者從基本的系統使用、網路伺服器架設、到深入系統管理所需的知識，並將筆者在管理公司及學校伺服器的經驗和讀者分享，期望對有心學習 FreeBSD 的使用者有所助益。
上傳時間： 2015-09-06
上傳用戶：wangzhen1990
bp神經網絡算法是解決最優化問題的先進算法之一，本論文討論了神經網絡中使用最為廣泛的前饋神經網絡。其網絡權值學習算法中影響最大的就是誤差反向傳播算法（back-propagation簡稱BP算法）。BP算法存在局部極小點，收斂速度慢等缺點。基于優化理論的Levenberg-Marquardt算法忽略了二階項。該文討論當誤差不為零或者不為線性函數即二階項S(W)不能忽略時的Hesse矩陣的近似計算，進而訓練網絡。
上傳時間： 2015-12-31
上傳用戶：wendy15
程序名：ga_bp_predict.cpp 描述： 采用GA優化的BP神經網絡程序，用于單因素時間 序列的預測,采用了單步與多步相結合預測 說明： 采用GA(浮點編碼)優化NN的初始權值W[j][i],V[k][j]，然后再采用BP算法 優化權值
標簽： ga_bp_predict cpp 程序 BP神經網絡
上傳時間： 2014-02-18
上傳用戶：冇尾飛鉈
利用灰色系統進行預測的幾篇好論文: BP神經網絡_灰色系統聯合模型預測軟基沉降量 非線性時間序列神經網絡預測方法的研究及應用 股票投資價值灰色馬爾可夫預測 股票投資價值灰色系統模型及應用 灰色關聯神經網絡模型在股指預測中的應用 灰色理論與模型及在車輛擁有量預測中的應用 灰色神經網絡交通事故預測比較 灰色神經網絡預測模型的應用 灰色-神經網絡綜合預測模型
上傳時間： 2014-12-05
上傳用戶：qiaoyue
檔案資料：全球IP地址地理位置數據資料庫包包 更新日期：2005年05月12日12:51 資料容量：10.4 MB 附 註： A) IP資料經人手花上五小時整理，保證100％準確，所有論壇程式皆可相容。 B) 已修正「未知地理位置」的“未”和“末”字輸入筆誤。 C) 因IP數據從中國內地取得，故此TAIWAN地區被寫成“臺灣省”，可自行改回“中華民國”或“臺灣”。 D) 範例： 202.101.071.201|202.101.071.201|貴州省貴陽市 藍月網吧|| 202.101.071.202|202.101.071.203|貴州省貴陽市 花溪區貴州民族學院鵬飛網吧|| 202.101.071.204|202.101.071.204|貴州省貴陽市 二戈寨天知網吧||
上傳時間： 2013-12-25
上傳用戶：ddddddos
W火電機組 儀控分冊
上傳時間： 2013-04-15
上傳用戶：eeworm
局域網最常見十大錯誤及解決(一)
標簽： 局域
上傳時間： 2013-04-15
上傳用戶：eeworm
本文擬借助于神經網絡良好的逼近能力，實現永磁同步電機的無位置傳感器控制。 人工神經網絡(Neural Network)可以逼近任意復雜非線性映射，具有很強的自學習自適應能力，十分適合于解決復雜的非線性控制問題。其中，BP神經網絡是目前廣泛應用的神經網絡之一，得到了較為深入的研究，其結構簡單，需要離線確定的參數少、泛化能力強、逼近精度高、實時性強，采用BP神經網絡實現永磁同步電機的調速控制具有重要意義。 文中提出了基于BP神經網絡的永磁同步電機自適應調速控制策略，建立了一種包含辨識網絡和控制網絡的雙神經網絡結構控制系統。辨識網絡在線動態辨識系統輸出并對控制網絡參數進行調整，控制網絡與PI控制方法相結合實現永磁同步電機自適應轉速控制。仿真結果表明，該系統動態響應快、實時性較強、精度較高。 文中提出了一種基于混合訓練算法的BP神經網絡永磁同步電機無位置傳感器控制方法。采用混沌優化和梯度下降法相結合的混合算法對BP神經網絡進行離線訓練后，將其用于永磁同步電機的轉子位置角在線估計。結果表明，該訓練算法可以有效地加快神經網絡收斂速度，且估計的轉子位置角誤差較小、精度較高。 文中建立了以TMS320F2812芯片為核心的永磁同步電機調速控制系統，并進行了相應的軟硬件設計，為實現永磁同步電機的各種控制策略奠定了實驗基礎。DSP控制系統為神經網絡訓練提供樣本，為研究永磁同步電機的自適應調速控制和轉子位置角估計創造了條件。
上傳時間： 2013-05-23
上傳用戶：1101055045
無刷直流電機(BLDCM)是隨著電機控制技術、電力電子技術和微電子技術的發展而出現的一種新型電機。它是在有刷直流電機的基礎上發展起來的。無刷直流電機具有交流電機的結構簡單、運行可靠、維護方便等一系列特點，又具有直流電機的運行效率高、無勵磁損耗以及調速性能好等諸多優點，在很多場合有廣泛的應用前景，成為了國內外研究的熱點。無刷直流電機傳統的理論部分分析和設計方法已經比較成熟，因此對無刷直流電機控制策略的研究就顯得十分重要。 PID控制以其結構簡單、可靠性高、易于工程實現等優點至今仍被廣泛應用。在系統模型參數變化不大的情況下，PID控制性能優良。但在工業上有許多無法建立精確數學模型的復雜控制對象和非線性控制對象，若采用傳統的PID進行控制的話，那么很難獲得比較理想的控制效果。 對于無刷直流電機而言，它是一個多變量、強耦合的非線性系統，固定參數的PID調節器無法得到很理想的控制性能指標。基于以上原因，本文以無刷直流電機為控制對象，通過分析無刷直流電機的數學模型，以BP神經網絡為基礎，設計了應用于無刷直流電機的神經網絡PID控制器。 在MATLAB平臺上，先利用神經網絡PID控制器，給出相應的控制算法，對典型的參數時變非線性系統的控制進行了仿真研究。仿真結果表明，同傳統PID控制器相比，神經網絡PID控制器對模型、環境具有較好的適應能力與較強的魯棒性，有效的改善了系統的控制結果，達到了預期的目的。隨后利用SIMULNK建立了無刷直流電機控制系統的仿真模型。分別采用普通PID控制器和神經網絡PID控制器對電機的不同運行狀況進行了仿真分析。仿真結果驗證了所建模型的正確性，并證明了神經網絡控制的優越性。
上傳時間： 2013-08-04
上傳用戶：YYRR
永磁同步電機(Permanent Magnet Synchronous Motor)因功率密度大、效率高、過載能力強、控制性能優良等優點，在中小容量調速系統和高精度調速場合發展迅速。但由于永磁同步電機的磁場具有獨特的交叉耦合和交叉飽和現象，且其控制系統是一個強非線性、時變和多變量系統，要實現高精度調速就需對其控制策略進行深入研究。 永磁同步電機調速系統中，位置傳感器的存在使得系統成本增加、結構復雜、可靠性降低，所以永磁同步電機的無位置傳感器控制成為一個新的研究熱點。本文擬借助于神經網絡良好的逼近能力，實現永磁同步電機的無位置傳感器控制。 人工神經網絡(Neural Network)可以逼近任意復雜非線性映射，具有很強的自學習自適應能力，十分適合于解決復雜的非線性控制問題。其中，BP神經網絡是目前廣泛應用的神經網絡之一，得到了較為深入的研究，其結構簡單，需要離線確定的參數少、泛化能力強、逼近精度高、實時性強，采用BP神經網絡實現永磁同步電機的調速控制具有重要意義。 文中提出了基于BP神經網絡的永磁同步電機自適應調速控制策略，建立了一種包含辨識網絡和控制網絡的雙神經網絡結構控制系統。辨識網絡在線動態辨識系統輸出并對控制網絡參數進行調整，控制網絡與PI控制方法相結合實現永磁同步電機自適應轉速控制。仿真結果表明，該系統動態響應快、實時性較強、精度較高。 文中提出了一種基于混合訓練算法的BP神經網絡永磁同步電機無位置傳感器控制方法。采用混沌優化和梯度下降法相結合的混合算法對BP神經網絡進行離線訓練后，將其用于永磁同步電機的轉子位置角在線估計。結果表明，該訓練算法可以有效地加快神經網絡收斂速度，且估計的轉子位置角誤差較小、精度較高。 文中建立了以TMS320F2812芯片為核心的永磁同步電機調速控制系統，并進行了相應的軟硬件設計，為實現永磁同步電機的各種控制策略奠定了實驗基礎。DSP控制系統為神經網絡訓練提供樣本，為研究永磁同步電機的自適應調速控制和轉子位置角估計創造了條件。
上傳時間： 2013-07-03
上傳用戶：kakuki123
