1) elementary inverse hysteresis operator (EIHO)
基本迟滞逆算子
1.
The continuous transfor-mation technique is used to construct an elementary inverse hysteresis operator (EIHO), which extracts the elementary information of inverse hysteresis.
采用连续坐标变换的方法,建立基本迟滞逆算子(EIHO),EIHO为神经网络提供了基本的迟滞逆信息,并与迟滞逆的输入一起作为神经网络的输入,使迟滞逆由多值映射关系转化为一对一映射关系,从而达到用神经网络逼近迟滞逆的目的。
2) EHO
基本迟滞算子
1.
Continuous transformation was used to construct an elementary hysteresis operator (EHO).
通过坐标变换建立基本迟滞算子,将基本迟滞算子的输出与迟滞输入同时作为神经网络的输入,使神经网络的输入空间由一维上升为二维,从而使输入与输出之间形成一对一映射关系。
3) Dynamic inverse hysteresis operator
动态迟滞逆算子
4) hysteretic operator
迟滞算子
1.
Adaptive control of non-smooth sandwich systems based on hysteretic operator;
基于迟滞算子的非平滑三明治系统自适应控制
5) inverse hysteretic operator
滞回逆算子
1.
As CMAC neural network could not be used to approximate the multi-valued mapping of an inverse hysteresis directly,an inverse hysteretic operator was proposed to transform the multi-valued mapping into a one-to-one mapping which could enable neural networks to approximate the behavior of an inverse hysteresis.
由于CMAC神经网络不能够直接逼近滞回逆这种具有记忆性的多映射现象,通过引入一个滞回逆算子,将多映射的滞回逆转换成一一映射,然后运用CMAC神经网络控制器来逼近这个一一映射,从而建立一个基于CMAC神经网络的滞回逆模型。
6) inverse hysteresis
迟滞逆
1.
In order to compensate the hysteresis nonlinearity and improve the precision of system with hysteresis,an inverse hysteresis model was constructed.
由于神经网络不能够直接逼近迟滞逆这种具有记忆性的多映射现象,通过引入一个迟滞逆算子,将多映射的迟滞逆转换成一一映射,然后运用神经网络来逼近这个一一映射从而建立一个基于神经网络的迟滞逆模型。
补充资料：凹算子与凸算子
凹算子与凸算子
concave and convex operators
凹算子与凸算子「阴~皿d阴vex.耳阳.勿韶;.留叮.肠疽“‘.小啊j阅雌口叹甲司 半序空间中的非线性算子，类似于一个实变量的凹函数与凸函数. 一个Banach空间中的在某个锥K上是正的非线性算子A，称为凹的(concave)(更确切地，在K上u。凹的)，如果 l)对任何的非零元x任K，下面的不等式成立: a(x)u。(Ax续斑x)u。，这里u。是K的某个固定的非零元，以x)与口(x)是正的纯量函数; 2)对每个使得 at(x)u。续x《月1(x)u。，al，月l>0，成立的x‘K，下面的关系成立二 A(tx))(l+，(x，t))tA(x)，0
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