利用遞迴式模糊類神經網路(recerrent neural networks system identification, RFNN)進行系統辨識, 自己寫的請多包含
標簽： identification recerrent networks neural
上傳時間： 2017-02-27
上傳用戶：LIKE
C++神經網絡，c++，BP網絡模型，適用于多對一
標簽：
上傳時間： 2017-04-09
上傳用戶：iswlkje
HT45RM03A 在電動自行車控制器中的應用
標簽： 03A HT 45 03
上傳時間： 2016-12-29
上傳用戶：水口鴻勝電器
神經網絡在智能機器人導航系統中的應用研究1神經網絡在環境感知中的應 用 對環境 的感 知 ，環境模型 妁表示 是非常重要 的。未 知 環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。如果用冊格法表示范圍較大的工作環境，在滿足 精度要求 的情況下，必定要占用大量的內存，并且采用柵 格法進行路徑規劃，其計算量是相當大的。Kohon~n自組織 神經瞬絡為機器人對未知環境的蒜知提供了一條途徑。 Kohone~沖經網絡是一十自組織神經網絡，其學習的結 果能體現出輸入樣本的分布情況，從而對輸入樣本實現數 據壓縮 。基于 網絡 的這些特 性，可采 用K0h0n曲 神經元 的 權向量來表示 自由空間，其方法是在 自由空間中隨機地選 取坐標點xltl【可由傳感器獲得】作為網絡輸入，神經嘲絡通 過對大量的輸八樣本的學習，其神經元就會體現出一定的 分布形 式 學習過程如下：開 始時網絡的權值隨機地賦值 ， 其后接下式進行學 習： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神經元 1在t時刻對 應的權值 ；a(∽ 謂整系 數 ； (『l網絡的輸八矢量；Ⅳ()：學習的 I域。每個神經元能最 大限度 地表示一 定 的自由空間 。神經 元權 向量的最 小生成 樹可以表示出自由空問的基本框架。網絡學習的鄰域 (，) 可 以動 態地 定義 成矩形 、多邊 形 。神經 元數量 的選取取 決 于環境 的復雜度 ，如果神 經元 的數量 太少 ．它們就 不能 覆 蓋整十空間，結果會導致節點穿過障礙物區域 如果節點 妁數量太大 ．節點就會表示更多的區域，也就得不到距障 礙物的最大距離。在這種情況下，節點是對整個 自由空間 的學 習，而不是 學習最 小框架空 間 。節 點的數 量可 以動態 地定義，在每個學習階段的結柬．機器人會檢查所有的路 徑．如檢鍘刊路徑上有障礙物 ，就意味著沒有足夠的節點 來 覆蓋整 十 自由窯 間，需要增加 網絡節點來 重新學 習 所 138一 以為了收斂于最小框架表示 ，應該采用較少的網絡 節點升 始學習，逐步增加其數量。這種方法比較適臺對擁擠的'E{= 境的學習，自由空間教小，就可用線段表示；若自由空問 較大，就需要由二維結構表示 。 采用Kohonen~沖經阿絡表示環境是一個新的方法。由 于網絡的并行結構，可在較短的時間內進行大量的計算。并 且不需要了解障礙物的過細信息．如形狀、位置等 通過 學習可用樹結構表示自由空問的基本框架，起、終點問路 徑 可利用樹的遍 歷技術報容易地被找到 在機器人對環境的感知的過程中，可采用人】：神經嘲 絡技術對 多傳 感器的信息進 行融臺 。由于單個傳感器僅能 提 供部分不 完全 的環境信息 ，因此只有秉 甩 多種傳感器 才 能提高機器凡的感知能力。 2 神經 網絡在局部路徑規射中的應 用 局部路徑 規刪足稱動吝避碰 規劃 ，足以全局規荊為指 導 利用在線得到的局部環境信息，在盡可能短的時問內
標簽： 神經網絡 智能機器人 導航
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
字元辨識系統-利用二元化之後利用類神經網路系統來辨識字原碼
標簽： 系統 二元
上傳時間： 2013-12-28
上傳用戶：waizhang
類神經網路中的RBF matlab toolbox
標簽： toolbox matlab RBF
上傳時間： 2016-07-22
上傳用戶：daguda
類神經網路，MLP程式碼，可以計算多層架構之類神經網路運算~C
上傳用戶：txfyddz
小弟撰寫的類神經網路backpropagataion,可以train如xor等互斥問題,使用bcb所完成,因為開發介面較為便利, 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,應該也不會有太大的障礙。
標簽： backpropagataion train bcb xor
上傳時間： 2013-12-30
上傳用戶：jeffery
類神經網路的基本運算-TLU,為所有學習類神經入門的的第一個演算法,單一的neural做簡易的training,雖無法解xor的問題,但卻是人類史上的類神經的第一步.
標簽： training neural TLU xor
上傳時間： 2015-12-02
上傳用戶：851197153
追隨sin函數,輸出有包含物插曲線圖,到傳遞神經網路
標簽： sin
上傳時間： 2014-01-08
上傳用戶：change0329
蟲蟲下載站版權所有 京ICP備2021023401號-1
