基于BP神经网络的PID参数自整定的研究 是M文件，控制效果非常好
上传时间： 2014-01-14
上传用户：zhaiyanzhong
伺服电机的神经网络参数自整定程序，利用BP误差反向传播算法改变PID 控制参数以获得优越的控制效果
上传时间： 2013-12-21
上传用户：cainaifa
Cell 插件用于开发B/S结构程序，使用Asp, Asp.net, Jsp, VbScript, JavaScript等语言开发，可以在浏览器中直接打印报表（非IE打印），带有国际化数字签名，让用户使用更方便，更安全。 · 具备Cell组件的所有特色功能，在浏览器中提供报表的显示和打印(非IE的打印) · 网络报表界面美观，大大改善了浏览器中报表的输出效果 · 带有国际化数字签名，让用户使用的更安全、更放心 · 可将报表文件另存为华表文件或者Excel文件，从而可以进行进一步加工 · 支持ASP、ASP.Net、JSP、VBScript、JavaScript等语言开发 在开发工具中将Cell插件引入至工程，然后将Cell插件拖至页面中即可开始报表设计。
上传时间： 2017-06-25
上传用户：13160677563
学长的一篇神经网络本科毕业论文。关键词：神经元网络，神经控制，非模型控制。 希望对做神经控制的朋友有帮助。
上传时间： 2013-12-29
上传用户：ainimao
C/S（Client/Server,客户端/服务器）结构和 B/S（Browser/Server，浏览 器/服务器）结构是大家熟知的也是现在市面上使用最多的两种软件 体系结构。随着信息技术与网络技术的发展，WEB技术的日益成熟， C/S结构有逐渐被 B/S结构取代的趋势。
上传时间： 2014-01-21
上传用户：zsjinju
matlab神经网络30个案例分析，关于智能控制
标签： matlab神经网络
上传时间： 2015-07-05
上传用户：卢海辉yu
表面粗糙度是机械加工工艺中主要的技术参数， 对零件质量和产品性能有着极为重要的影响。 以加工表面粗糙度与切削用量三要素的关系为对象， 采用正交试验方法， 利用立方氮化硼刀具对冷作模具钢 Cr12MoV 进行硬态干式车削试验，测量得到选定参数条件下的加工表面粗糙度值，并应用人工智能神经网络方 法建立了加工表面粗糙度预测模型。结果表明，该预测模型具有很好的预测精度， 其最大误差不超过 5% 。模 型可以对不同切削速度、 进给量和切削深度参数组合下加工后的表面粗糙度进行预测，对干式硬车条件下的切 削用量选择和零件表面质量的控制具有重要指导意义。
上传时间： 2016-03-20
上传用户：happycats
RBF神经网络在分类问题中得到了广泛的应用，尤其是模式识别的问题。许多模式识别实验证明，RBF具有更有效的非线性逼近能力，并且RBF神经网络的学习速度较其他网络快。本文在具有复杂控制规律的S函数构造方法的基础上，给出了基于MATLAB语言的RBF神经网络PID控制器，及该模型的一非线性对象的仿真结果。
上传时间： 2016-05-19
上传用户：子夜青衫
5V USB扁口接口TP4055锂离子电池充电接口板ALTIUM设计硬件原理图+PCB文件，2层B板手设计，大小为33*18mm,，可以做为你的学习设计参考。TP4055 是一款完整的单节锂离子电池充电器，带电池正负极反接保护，采用恒定 电流/恒定电压线性控制。其 SOT 封装与较少的外部元件数目使得 TP4055 成为便携式应 用的理想选择。TP4055 可以适合 USB 电源和适配器电源工作。 由于采用了内部 PMOSFET 架构，加上防倒充电路，所以不需要外部检测电阻器和 隔离二极管。热反馈可对充电电流进行自动调节，以便在大功率操作或高环境温度条件 下对芯片温度加以限制。充满电压固定于 4.2V，而充电电流可通过一个电阻器进行外部 设置。当电池达到 4.2V 之后，充电电流降至设定值 1/10，TP4055 将自动终止充电。 当输入电压（交流适配器或 USB 电源）被拿掉时，TP4055 自动进入一个低电流状 态，电池漏电流在 2uA 以下。TP4055 的其他特点包括充电电流监控器、欠压闭锁、自 动再充电和一个用于指示充电结束和输入电压接入的状态引脚。
上传时间： 2021-11-22
上传用户：trh505
人工神经网络提供了一种普遍且实用的方法从样例中学习值为实数、离散值或向量的函数反向传播算法，使用梯度下降来调节网络参数以最佳拟合由输入-输出对组成的训练集合人工神经网络对于训练数据中的错误健壮性很好人工神经网络已被成功应用到很多领域，例如视觉场景分析，语音识别，机器人控制神经网络学习对于逼近实数值、离散值或向量值的目标函数提供了一种健壮性很强的方法对于某些类型的问题，如学习解释复杂的现实世界中的传感器数据，人工神经网络是目前知道的最有效的学习方法反向传摇成功例子，学习识别手写字符，学习识别口语，学习识别人脸生物学动机ANN受到生物学的启发，生物的学习系统是由相互连接的神经元组成的异常复杂的网络。ANN由一系列简单的单元相互密集连接构成的，其中每一个单元有一定数量的实值输入，并产生单一的实数值输出人脑的构成，大约有1011个神经元，平均每一个与其他104个相连神经元的活性通常被通向其他神经元的连接激活或抑制最快的神经元转换时间比计算机慢很多，然而人脑能够以惊人的速度做出复杂度惊人的决策很多人推测，生物神经系统的信息处理能力一定得益于对分布在大量神经元上的信息表示的高度并行处理
上传时间： 2022-04-08
上传用户：trh505
