现在的位置: 首页 > 论文检测样例 > 正文

gocheck7月25日检测样例:模糊神经网络控制在二阶液位控制中的应用

2014年07月25日 论文检测样例 ⁄ 共 802字 ⁄ 字号 暂无评论 ⁄ 阅读 411 views 次

gocheck检测前原文:

网络期望输出; 为实际输出。 在线学习。 在在线学习阶段,将离线训练好的网络放入系统运行,网络在线定义的目标函数对权值进行微调。在线学习的目标函数定义为 : ……(7) 式中: 、 、 分别为关节位置的期望值、实际值以及两者之间的偏差。 考虑计算量的问题,网络学习只调整 、 两个量,所以在线学习中各权值修整量只需要将式(6)中的项”( )”替换为 ( =1,2)即可

网络期望输出; 为实际输出。 在线学习。 在在线学习阶段,将离线训练好的网络放入系统运行,网络在线定义的目标函数对权值进行微调。在线学习的目标函数定义为 : ……(7) 式中: 、 、 分别为关节位置的期望值、实际值以及两者之间的偏差。 考虑计算量的问题,网络学习只调整 、 两个量,所以在线学习中各权值修整量只需要将式(6)中的项”( )”替换为 ( =1,2)即可

gocheck检测后相似论文片段:

在线学习。在在线学习阶段,将离线训练好的网络放入系统运行,网络在线定义的目标函数对权值进行微调。在线学习的目标函数定义为:L=撼(‰一以)2=蕾1 2。%2(11)考虑计算量的问题,网络学习只调整∞£’,‘∞?’两个量,所以在线学习中各权值修整量只需将式(8)中的(ny。)替换为尝=m圭ffil[瓷?鲁]_委,[飞?熹](z=1’2)即可o.4实例应用为了验证本文所提方法的有效性和实用性,在控制系统中,经模糊推理得到PID参数的修整

在线学习。在在线学习阶段,将离线训练好的网络放入系统运行,网络在线定义的目标函数对权值进行微调。在线学习的目标函数定义为:L=撼(‰一以)2=蕾1 2。%2(11)考虑计算量的问题,网络学习只调整∞£’,‘∞?’两个量,所以在线学习中各权值修整量只需将式(8)中的(ny。)替换为尝=m圭ffil[瓷?鲁]_委,[飞?熹](z=1’2)即可o.4实例应用为了验证本文所提方法的有效性和实用性,在控制系统中,经模糊推理得到PID参数的修整

Gocheck论文检测系统文章欢迎转载,转载请以链接形式标明本文地址。

本文地址: http://www.gocheck.org.cn/wp/1264.html

给我留言

留言无头像?


×