神经网络控制作为一种全新的智能控制方法,是解决非线性系统预测和控制问题的一种重要手段,受到了许多专家学者的广泛关注,是目前国内外研究的热点之一。本文着重研究前向神经网络的学习算法,简单探讨了BP算法在逼近非线性系统中各个因素对系统的影响。
上传时间： 2013-11-28
上传用户：561596
Matlab神经网络ANN学习的应用指南文件。
上传时间： 2013-12-26
上传用户：ecooo
主要用于神经网络的学习，以及了解神经网络方面的知识。
标签： 神经网络
上传时间： 2017-01-12
上传用户：脚趾头
本人转的别人写的人工神经网络的学习体会与感受，真是受益匪浅啊！
标签： 人工神经网络
上传时间： 2014-12-05
上传用户：jyycc
一种基于人工神经网络在线学习的自适应预测方法
上传时间： 2017-02-21
上传用户：1583060504
关于神经网络入门学习的教程，适用于刚开始学习的人
上传时间： 2017-06-21
上传用户：498732662
采用将BP神经网络的学习算法应用于PID控制中，使BP神经网络与PID控制算法结合起来，通过吸收两者的优势，使系统具有自适应性。这样系统可自动调节控制参数，更好地适应输入变量的变化，提高控制性能和可靠性。本文从BP神经网络的基本构成原理、学习规则和学习算法出发，设计了基于BP神经网络的PID控制器，并对其进行了仿真分析,结果表明，该控制方案可行、有效。
上传时间： 2014-02-27
上传用户：源码3
介绍神经网络识别手写数字 反向传播算法和改进神经网络的学习方法
标签： 神经网络 深度学习
上传时间： 2017-08-02
上传用户：yaoshuai
该书的作者是来自 Y Combinator Research 的研究员 Michael Nielsen，他也是一位量子物理学家、科学作家、计算机编程研究人员。他的个人主页是：Neural networks and deep learningneuralnetworksanddeeplearning.com书籍介绍 这是我个人以为目前最好的神经网络与机器学习入门资料之一。内容非常浅显易懂，很多数学密集的区域作者都有提示。全书贯穿的是 MNIST 手写数字的识别问题，每个模型和改进都有详细注释的代码。非常适合用来入门神经网络和深度学习！ 全书共分为六章，目录如下： 第一章：使用神经网络识别手写数字 第二章：反向传播算法如何工作 第三章：改进神经网络的学习方法 第四章：神经网络可以计算任何函数的可视化证明 第五章：深度神经网络为何很难训练 第六章：深度学习 《Neural Network and Deep Learning》这本书的目的是帮助读者掌握神经网络的核心概念，包括现代技术的深度学习。在完成这本书的学习之后，你将使用神经网络和深度学习来解决复杂模式识别问题。你将为使用神经网络和深度学习打下基础，来攻坚你自己设计中碰到的问题。 本书一个坚定的信念，是让读者更好地去深刻理解神经网络和深度学习，如果你很好理解了核心理念，你就可以很快地理解其他新的推论。这就意味着这本书的重点不是作为一个如何使用一些特定神经网络库的教程。仅仅学会如何使用库，虽然这也许能很快解决你的问题，但是，如果你想理解神经网络中究竟发生了什么，如果你想要了解今后几年都不会过时的原理，那么只是学习些热?的程序库是不够的。你需要领悟让神经网络工作的原理。
标签： 深度学习
上传时间： 2022-07-24
上传用户：
针对传统PID控制系统参数整定过程存在的在线整定困难和控制品质不理想等问题，结合BP神经网络自学习和自适应能力强等特点，提出采用BP神经网络优化PID控制器参数。其次，为了加快BP神经网络学习收敛速度，防止其陷入局部极小点，提出采用粒子群优化算法来优化BP神经网络的连接权值矩阵。最后，给出了PSO-BP算法整定优化PID控制器参数的详细步骤和流程图，并通过一个PID控制系统的仿真实例来验证本文所提算法的有效性。仿真结果证明了本文所提方法在控制品质方面优于其它三种常规整定方法。
上传时间： 2014-03-21
上传用户：diets
