1) B-spline neural network
B样条神经网络
1.
A B-spline neural network was trained to be a neural network chaotic controller to predict the time sequences of chaotic systems and obtain their perturbation signals for control of chaotic systems.
采用B样条神经网络,通过选取混沌系统不稳定周期轨道的不动点附近的数据作为参数扰动模型输入样本的学习,把该模型训练成神经网络混沌控制器,从而预测出混沌系统将来时刻的时间序列,获得控制混沌系统的扰动信号。
2.
Based on adopting the B-spline neural network model to approach the output probability density function(PDF)and by considering uncertainties of system model and controller,the robust resilient optimal tracking controller is proposed by using the Lyapunov stability theory and linear matrix inequality(LMI) technique.
在采用B样条神经网络模型逼近随机动态系统的输出概率密度函数(PDF)的基础上,同时考虑系统模型和控制器增益不确定性,结合Lyapunov稳定性理论和线性矩阵不等式(LMI)技术,引入增广控制作用,设计基于广义状态反馈的鲁棒弹性最优跟踪控制器,目的是使系统的输出PDF跟踪给定PDF。
3.
In this paper,a mathematic model is built,then the B-spline neural network is applied to control the system,at last MATLAB is used to simulate the system,the results show that this method has advantages such as high approximation and distinguishing ability,so it can meet the requirements of the loading task comparatively well.
本文对系统进行数学建模,应用B样条神经网络加以控制,最后使用MATLAB进行仿真,仿真结果表明该方法具有逼近精度高,分辨率高的优点,能很好地满足了实验机力加载的要求。
2) B-spline neural networks
B-样条神经网络
3) B-spline CMAC neural networks
B样条CMAC神经网络
4) fuzzy B-spline neural network
B样条基函数模糊神经网络
5) BMAC
B样条小脑模型神经网络
6) B-spline network
B样条网络
补充资料：Hopfield神经网络模型
Hopfield神经网络模型
Hopfield neural network model
收敛于稳定状态或Han加Ing距离小于2的极限环。 上述结论保证了神经网络并行计算的收敛性。 连续氏pfield神经网络中，各个神经元状态取值是连续的，由于离散H6pfield神经网络中的神经元与生物神经元的主要差异是:①生物神经元的I/O关系是连续的;②生物神经元由于存在时延，因此其动力学行为必须由非线性微分方程来描述。为此，在1984年J.J.H叩fi酗提出了连续氏pfield神经网络，它可用图1所示的电路实现，其动态方程┌───┐│·T叮 │└───┘图1连续F砧pfield神经网络 (a)Sigmoid非线性;(b)神经元模型可由下述微分方程式描述: 、，产 门J /r、l、1.。瓮一客、一佘Ii认=f(u￡)￡=l，2，…，n式中f(·)为连续可微的Sign101d函数;T，j=兀、i，j=1，2，“’，n几=0]=i1~.吞~·‘八文一Q*+，戮T，j‘一‘，2，”一”连续时间氏pfield神经网络式的计算能量函数定义为:一告客客几从砚 石l「Vi_1，、，合，，， +乞古!‘厂‘(x)dx一乙I，从(4) ’月R‘Jo“‘、一’一月一，” 对于式(3)，若f一‘为单调增且连续，C>0，T，j=几(i，j=1，2，一，n)，则沿系统的运动轨道有dE一。-丁丁足之Uat当且仅当贷一。时 箭一。式(3)的稳定平衡点就是能量函数E〔式(4)」的极小点，反之亦然。同时，连续氏pfield神经网络式(3)以大规模非线性连续时间并行方式处理信息。网络的稳定平衡点对应于其计算能量函数E的极小点，网络的计算时间就是它到达稳定的时间，网络的计算在系统趋于稳态的过程中也就完成了。这也是式(3)用于神经计算及联想记忆的基本原理，也即神经计算机的基本原理。HoPfield shenling wangluo moxingHopfield神经网络模型(Hopfieldne，Ine幻即0比m侧触l)一种单层全反馈的人工神经网络模型(后称之为氏p玉idd模型)，它对推动人工神经网络研究的复苏起了很重要的作用。 且，lield对人工神经网络研究的贡献主要有: (l)把有反馈的神经网络看作一个非线性动力系统，提出了系统的全局Lyap阴lov函数(或称能量函数)的概念，用于系统稳定性的分析; (2)利用上述分析方法解决人工智能中的组合优化问题，如15护;(3)给出了利用模拟电子线路实现的连续Hopfidd网络的电路模型，为进一步研究神经计算机创造了条件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条