神經(jīng)網(wǎng)絡(luò) 文章進(jìn)入神經(jīng)網(wǎng)絡(luò)技術(shù)社區(qū)

基于神經(jīng)網(wǎng)絡(luò)模型辨識(shí)的機(jī)器人迭代學(xué)習(xí)控制方法研究

引言焊接機(jī)械手的軌跡跟蹤是焊接機(jī)器人控制的難點(diǎn)。機(jī)械手是一個(gè)典型的非線性動(dòng)力系統(tǒng)，具有大慣性和大延遲。目前對(duì)機(jī)械手的控制，主要采用傳統(tǒng)PID控制。由于系統(tǒng)復(fù)雜性較高，設(shè)計(jì)人員為建立系統(tǒng)模型做出各種假設(shè)和簡(jiǎn)
關(guān)鍵字：學(xué)習(xí) 控制方法研究機(jī)器人辨識(shí) 神經(jīng)網(wǎng)絡(luò) 模型基于

新技術(shù)將引發(fā)行業(yè)變革

　　1. 神經(jīng)網(wǎng)絡(luò)系統(tǒng)在數(shù)據(jù)挖掘中的應(yīng)用　　盡管多核處理仍受限于馮諾伊曼架構(gòu)本身的串行存取特性，但其卻已成為現(xiàn)代計(jì)算機(jī)技術(shù)發(fā)展的一個(gè)重要趨勢(shì)。在實(shí)際情況中，這表明依靠大量數(shù)據(jù)集的應(yīng)用程序例如模式識(shí)別程序無法進(jìn)行恰當(dāng)分區(qū)或?qū)崟r(shí)響應(yīng)。　　象CogniMem公司這樣的半導(dǎo)體設(shè)計(jì)公司都致力于設(shè)計(jì)用于高速和并行模式識(shí)別的元件，行業(yè)稱之為“認(rèn)知計(jì)算”芯片，主要用于運(yùn)行大量數(shù)據(jù)集。盡管2007年推出的CM1K芯片僅有1024個(gè)“神經(jīng)元”，但因公司需要處理的數(shù)據(jù)量
關(guān)鍵字：神經(jīng)網(wǎng)絡(luò) 元件

基于神經(jīng)網(wǎng)絡(luò)的抽油機(jī)故障診斷

1引言神經(jīng)網(wǎng)絡(luò)技術(shù)在學(xué)習(xí)速度、適應(yīng)性、非線性映射等性能上有獨(dú)特的優(yōu)勢(shì),能夠進(jìn)行有效的監(jiān)督分類,因此常...
關(guān)鍵字：神經(jīng)網(wǎng)絡(luò) 抽油機(jī) 故障診斷

基于FPGA的RBF神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)

介紹了RBF神經(jīng)網(wǎng)絡(luò)，并采用CORDIC算法實(shí)現(xiàn)了其隱層非線性高斯函數(shù)的映射。同時(shí)，為縮減ROM表的存儲(chǔ)空間并提高查表效率，本設(shè)計(jì)還采用了基于STAM算法的非線性存儲(chǔ)。最后，以Altera公司開發(fā)的EDA工具QuarlusⅡ作為編譯、仿真平臺(tái)，采用Cyclone系列中的EP1C6Q 240C8器件，實(shí)現(xiàn)了RBF神經(jīng)網(wǎng)絡(luò)在FPGA上的實(shí)現(xiàn)，并以XOR問題為算例進(jìn)行硬件仿真，得出仿真結(jié)果與理論值一致。
關(guān)鍵字： FPGA RBF 神經(jīng)網(wǎng)絡(luò) 硬件實(shí)現(xiàn)

一種神經(jīng)網(wǎng)絡(luò)多用戶檢測(cè)器設(shè)計(jì)

本文提出采用Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)CDMA多用戶通信系統(tǒng)中多用戶信號(hào)的檢測(cè).利用基于檢測(cè)序列最大后驗(yàn)概率最佳多用戶檢測(cè)器的似然函數(shù)與Hopfield神經(jīng)網(wǎng)絡(luò)的能量函數(shù)的對(duì)應(yīng)關(guān)系，構(gòu)造一種離散Hopfield神經(jīng)網(wǎng)絡(luò)多用戶檢測(cè)
關(guān)鍵字：設(shè)計(jì) 檢測(cè) 用戶神經(jīng)網(wǎng)絡(luò)

基于反向傳播神經(jīng)網(wǎng)絡(luò)的無線火災(zāi)預(yù)警系統(tǒng)

摘要：針對(duì)傳統(tǒng)火災(zāi)預(yù)警系統(tǒng)中單一傳感器數(shù)據(jù)檢測(cè)的缺陷，提出一種基于反向傳播神經(jīng)網(wǎng)絡(luò)模型的無線多傳感信息融合火災(zāi)預(yù)警系統(tǒng)。該模型借助Matlab平臺(tái)進(jìn)行信息融合算法模擬，并經(jīng)過試驗(yàn)驗(yàn)證，大大提高了火災(zāi)預(yù)警系統(tǒng)
關(guān)鍵字：預(yù)警系統(tǒng) 火災(zāi) 無線傳播神經(jīng)網(wǎng)絡(luò) 基于

鍋爐燃燒系統(tǒng)神經(jīng)網(wǎng)絡(luò)建模及多目標(biāo)優(yōu)化研究

摘要：隨著環(huán)境保護(hù)要求的日益嚴(yán)格和燃煤價(jià)格的不斷上漲，在“廠網(wǎng)分開，競(jìng)價(jià)上網(wǎng)”的運(yùn)行機(jī)制下，電站鍋爐面臨降低運(yùn)行成本與降低污染物排放的雙重要求，高效率、低污染的燃燒優(yōu)化技術(shù)口益引起人們的關(guān)注
關(guān)鍵字：鍋爐燃燒系統(tǒng) 多目標(biāo)優(yōu)化神經(jīng)網(wǎng)絡(luò) 建模

基于神經(jīng)網(wǎng)絡(luò)辨識(shí)和PLC控制的郵件分揀系統(tǒng)

摘要：采用了具有自適應(yīng)學(xué)習(xí)速率和附加動(dòng)量因子的神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了郵政編碼模式識(shí)別的方法；并將辨識(shí)后的結(jié)果送入到PLC控制器中，通過PLC實(shí)現(xiàn)對(duì)郵件的自動(dòng)分揀。上機(jī)實(shí)驗(yàn)運(yùn)行表明效果良好。
關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；模式
關(guān)鍵字：郵件分揀系統(tǒng) 控制 PLC 神經(jīng)網(wǎng)絡(luò) 辨識(shí) 基于

基于神經(jīng)網(wǎng)絡(luò)的自主吸塵機(jī)器人混合視覺研究

摘要：針對(duì)自主吸塵機(jī)器人非結(jié)構(gòu)化的工作環(huán)境及避障的實(shí)時(shí)性要求，提出融合了超聲波傳感器和紅外傳感器的混合視...
關(guān)鍵字：超聲波傳感器紅外傳感器傳感器融合神經(jīng)網(wǎng)絡(luò)

RBF神經(jīng)網(wǎng)絡(luò)在智能傳感器模塊設(shè)計(jì)中的應(yīng)用

引言不論是傳統(tǒng)工藝制作的經(jīng)典傳感器，還是半導(dǎo)體工藝制作的現(xiàn)代傳感器，都存在交叉敏感。交叉敏感是引起單傳感器系統(tǒng)不穩(wěn)定的主要因素，表現(xiàn)為傳感器標(biāo)稱的目標(biāo)參量恒定不變，而其它非目標(biāo)參量變化時(shí)，該傳感器的輸
關(guān)鍵字：設(shè)計(jì) 應(yīng)用模塊傳感器神經(jīng)網(wǎng)絡(luò) 智能 RBF

基于計(jì)算機(jī)視覺和神經(jīng)網(wǎng)絡(luò)技術(shù)的煙葉品質(zhì)智能識(shí)別

摘要：在對(duì)煙葉品質(zhì)進(jìn)行圖像處理過程中，借助MATLAB圖像處理工具箱和神經(jīng)網(wǎng)絡(luò)技術(shù)，對(duì)各種類型的煙葉的數(shù)字圖像進(jìn)行計(jì)算機(jī)視覺分析，包括邊緣檢測(cè)、輪廓提取、用圖像工具箱抽取煙葉數(shù)字圖像特征，將待測(cè)煙葉樣本與標(biāo)
關(guān)鍵字：計(jì)算機(jī)視覺方法神經(jīng)網(wǎng)絡(luò) 智能識(shí)別

GRNN神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)負(fù)荷預(yù)報(bào)中的應(yīng)用

摘要：為了預(yù)報(bào)電力系統(tǒng)負(fù)荷，采用GRNN(廣義回歸網(wǎng)絡(luò))的方法，通過GRNN神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)建立電力系統(tǒng)負(fù)荷預(yù)報(bào)網(wǎng)絡(luò)模型，用MAT LAB7．0仿真，達(dá)到了預(yù)測(cè)的目的。利用GRNN神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果準(zhǔn)確率高，避免了BP網(wǎng)絡(luò)預(yù)
關(guān)鍵字：預(yù)報(bào) 應(yīng)用負(fù)荷電力系統(tǒng) 神經(jīng)網(wǎng)絡(luò) GRNN

基于NIOS_II多核技術(shù)的Hopfield神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)

基于NIOS_II多核技術(shù)的Hopfield神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn),為了充分發(fā)揮人工神經(jīng)網(wǎng)絡(luò)所具有的并行計(jì)算、分布式存儲(chǔ)的優(yōu)點(diǎn),提出了將NIOSⅡ多核技術(shù)應(yīng)用于Hopfield神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)的方法.采用中斷方式和SDRAM實(shí)現(xiàn)多核之間的通信,并將所實(shí)現(xiàn)的硬件用于數(shù)字識(shí)別,驗(yàn)證了多核通信方
關(guān)鍵字：硬件實(shí)現(xiàn) 神經(jīng)網(wǎng)絡(luò) Hopfield NIOS_II 核技術(shù) 基于

基于NN與CBR的雷達(dá)故障診斷專家系統(tǒng)設(shè)計(jì)

摘要：快速有效地診斷和排除雷達(dá)故障是當(dāng)前裝備維修保障工作的重點(diǎn)。對(duì)雷達(dá)這樣復(fù)雜的設(shè)備進(jìn)行故障源的充分暴露和故障定位，僅依靠傳統(tǒng)單一的方法有較大的局限性，故設(shè)計(jì)并實(shí)現(xiàn)基于神經(jīng)網(wǎng)絡(luò)(NN)與基于案例推理(CBR)的雷達(dá)故障診斷專家系統(tǒng)。該系統(tǒng)主要由輸入模塊，推理模塊及管理維護(hù)模塊等組成。診斷實(shí)例表明，運(yùn)用NN與CBR相結(jié)合的技術(shù)建立的故障診斷專家系統(tǒng)，診斷結(jié)果與實(shí)際吻合，且具有診斷速度快、針對(duì)性強(qiáng)等優(yōu)點(diǎn)。
關(guān)鍵字：雷達(dá)故障神經(jīng)網(wǎng)絡(luò) 201203