1) ANN inversion
神经网络逆
1.
As the system s controlling inputs and operating region are constrained in real power systems, the decoupled and linearized system derived by ANN inversion method is not an ideal one.
由于实际电力系统输入限幅、工作区域受限等因素的影响 ,采用神经网络逆系统方法对被控电力系统进行反馈线性化解耦后的复合系统并非理想的解耦线性系统 。
2) neural network inverse model
神经网络逆模型
1.
The neural network inverse model structure, its internal characteristic and to conduct simulation by using this model were presented.
讨论了一个比较复杂的纸浆洗涤过程的数学模型 ,经过多次搜寻 ,可用五层串并联叠层BP神经网络来模拟这种多输入单输出高价模型 ,给出了该生产过程的神经网络逆模型结构及主要内部特征 ,以及用该神经网络逆模型进行仿真的情况。
3) neural network inverse system
神经网络逆系统
1.
A decoupling control approach based on neural network inverse system was developed for the permanent magnet synchronous motor (PMSM), which was a nonlinear and high coupling system.
永磁同步电机是一个非线性、强耦合系统,应用神经网络逆系统方法对永磁同步电机进行动态解耦控制研究。
2.
Using neural network inverse system, radial force control is decoupled, so high .
基于基本电磁场理论,论文给出磁悬浮开关磁阻电动机的径向力模型,对该模型进行可逆性分析,证明该系统可逆,应用神经网络逆系统方法实现径向力的动态解耦,以便达到高性能的控制目的,仿真结果验证了方法的可行性。
3.
Based on the hydroelectric generating unit and neural network inverse system control methods, through the invertibility analysis of excitation and water valve system propose a new design method of decoupling controller for hydroelectric generating unit.
为了解决上述问题,本课题深入研究了国内外水轮机调节系统的发展现状,以设计能够根据现场运行工况自整定的水轮机调节系统为研究主线,提出将神经网络逆系统、遗传算法等现代智能控制理论应用于水轮机调节系统,并对水轮机调节系统的建模仿真、参数分析等方面也进行了研究。
4) neural network inverse control
神经网络逆控制
1.
Based on the reversibility of manipulator, a neural network inverse control strategy of manipulator was designed, which was in accordance with the characteristics of manipulator system such as highly nonlinear, time-variant, multivariable and strong coupling.
机械手具有非线性时变、多变量、强耦合的特性,在机械手系统可逆的基础上,设计一种机械手的神经网络逆控制方案。
5) Pseudo-inverse Neural Network(PINN)
伪逆神经网络
6) BPANN
逆向传播人工神经网络
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