2) orthogonal neural network
正交神经网络
1.
A novel adaptive nonlinear observer with a compensator based on orthogonal neural networks is designed for a class of chaotic system where the nonlinear portion of the structure can not be evaluated.
针对一类结构部分未知混沌系统,设计了一种含有补偿器的自适应正交神经网络非线性观测器。
2.
This paper presents a dynamic modeling method based on orthogonal neural network.
本文提出一种正交神经网络的动态建模方法 ,它充分利用了 Tchebycheff多项式的非线性处理能力和 Givens正交变换的有效处理大型稀疏问题的优点 ,不仅能快速进行网络的训练 ,而且能对网络的结构进行优化 ,为非线性系统的动态建模提供了一种有效方法 。
3) Analog compound orthogonal neural network
模拟复合正交神经网络
1.
Control study of analog compound orthogonal neural network in axial magnetic bearing;
模拟复合正交神经网络在轴向磁轴承中的控制研究
2.
Application of analog compound orthogonal neural network controller in DC speed adjusting system;
模拟复合正交神经网络控制器在直流调速系统中的应用
3.
Learning control of analog compound orthogonal neural network for robot manipulator;
机器人的模拟复合正交神经网络学习控制
4) Compound orthogonal neural network(CONN)
复合正交神经网络(CONN)
5) analog orthogonal neural network
模拟正交神经网络
1.
Temperature control of electric heating dryers based on an analog orthogonal neural network;
基于模拟正交神经网络的电热干燥器温度控制
6) compound orthogonal neural network
复合正交神经网络
1.
This controller eliminates the nonlinearity and coupling of previous controllers by using a distributed control strategy and a compound orthogonal neural network(CONN).
此控制器采用分散控制策略,利用复合正交神经网络来消除并联机器人控制系统非线性、耦合的影响,学习系统的不确定信息作为前馈补偿使系统跟踪误差快速收敛,并采用PID作为反馈控制保证系统的稳定性,从而实现6-PRRS并联机器人的快速、稳定轨迹跟踪。
2.
The adaptive control method using compound orthogonal neural networks for nonlinear systems was proposed in this paper.
提出非线性系统的复合正交神经网络自适应控制方法。
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