首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

GAP-RBF自增长自消减神经网络在机器人上的应用

中文摘要第3-4页
英文摘要第4-5页
1 绪论第8-14页
    1.1 研究背景与意义第8页
    1.2 RBF神经网络的研究第8-11页
        1.2.1 RBF神经网络结构优化算法的比较第8-9页
        1.2.2 常用的顺序局部增量式学习算法研究现状第9-11页
    1.3 神经网络的应用第11-13页
    1.4 研究内容与论文结构第13-14页
2 径向基函数神经网络第14-24页
    2.1 神经网络概述第14-19页
        2.1.1 神经元模型第14-17页
        2.1.2 神经网络模型第17-19页
    2.2 径向基函数神经网络第19-23页
        2.2.1 RBF网络结构第19-21页
        2.2.2 RBF网络学习算法第21-22页
        2.2.3 最小均方算法第22-23页
    2.3 本章小结第23-24页
3 三种自增长自消减神经网络第24-42页
    3.1 RAN、MRAN与GAP-RBF概述第24-31页
        3.1.1 RAN资源分配网络第24-27页
        3.1.2 MRAN最小资源分配网络第27-29页
        3.1.3 GAP-RBF算法第29-31页
    3.2 算法分析第31-33页
        3.2.1 时间复杂度第31-32页
        3.2.2 空间复杂度第32-33页
    3.3 BP神经网络相对于RBF网络的不足第33-34页
    3.4 自增长自消减神经网络在逼近Hermite多项式中的应用第34-37页
    3.5 自增长自消减神经网络在Mackey-Glass时间序列预测上的应用第37-41页
    3.6 三种算法应用比较第41页
    3.7 本章小结第41-42页
4 沿墙导航控制器的设计第42-48页
    4.1 Khepera II机器人第42-45页
        4.1.1 Khepera II机器人概述第42-44页
        4.1.2 差动驱动机器人的运动学特征第44-45页
    4.2 RBF神经网络控制器第45-47页
        4.2.1 内生控制器的设计实现第45页
        4.2.2 RBF神经网络控制器原理第45-46页
        4.2.3 RBF神经网络控制器的设计第46-47页
    4.3 本章小结第47-48页
5 实验及分析第48-66页
    5.1 实验场景第48-51页
        5.1.1 仿真实验场景第48-49页
        5.1.2 实时实验场景第49-51页
    5.2 样本点采集第51-52页
    5.3 仿真实验第52-57页
    5.4 实时实验第57-64页
    5.5 本章小结第64-66页
6 总结与展望第66-68页
致谢第68-70页
参考文献第70-74页

论文共74页,点击 下载论文
上一篇:基于引文分析的期刊保障率研究--以重庆大学为例
下一篇:云计算环境下数据副本管理策略的研究