AFSA-RBF神经网络控制器
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 神经网络的基本特点与功能 | 第10-12页 |
| 1.2.1 神经网络的基本功能 | 第10-12页 |
| 1.3 RBF 神经网络的简介 | 第12-14页 |
| 1.3.1 RBF 神经网络研究现状 | 第12-13页 |
| 1.3.2 RBF 神经网络的特点 | 第13-14页 |
| 1.4 本文研究的主要内容 | 第14-16页 |
| 第2章 RBF 神经网络的理论基础 | 第16-25页 |
| 2.1 RBF 神经网络概述 | 第16-21页 |
| 2.1.1 RBF 神经网络结构 | 第16-17页 |
| 2.1.2 基于径向基函数技术的函数逼近与内插 | 第17-19页 |
| 2.1.3 正则化 RBF 神经网络 | 第19-21页 |
| 2.2 RBF 网络训练的准则 | 第21页 |
| 2.3 RBF 神经网络的常用算法 | 第21-24页 |
| 2.3.1 无导师学习算法 | 第22页 |
| 2.3.2 有导师学习算法 | 第22-23页 |
| 2.3.3 人工鱼群算法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于人工鱼群算法的 RBFNN | 第25-31页 |
| 3.1 人工鱼群算法概述 | 第25-28页 |
| 3.1.1 人工鱼群算法的思想 | 第25页 |
| 3.1.2 人工鱼群算法的行为描述 | 第25-27页 |
| 3.1.3 收敛性分析 | 第27页 |
| 3.1.4 人工鱼群算法改进 | 第27-28页 |
| 3.2 基于人工鱼群算法的 RBFNN | 第28-30页 |
| 3.2.1 人工鱼的编码及初始化 | 第28-29页 |
| 3.2.2 改进鱼群算法步骤 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 RBF 神经网络控制器的仿真研究 | 第31-46页 |
| 4.1 二级倒立摆的数学描述 | 第31-35页 |
| 4.2 RBF 神经网络的训练 | 第35-37页 |
| 4.2.1 RBF 神经网络结构的确定 | 第35页 |
| 4.2.2 RBF 神经网络的训练结果 | 第35-37页 |
| 4.3 RBF 神经网络对二级倒立摆的控制 | 第37-43页 |
| 4.3.1 RBF 神经控制器的仿真研究 | 第37-41页 |
| 4.3.2 控制器抗干扰能力研究 | 第41-43页 |
| 4.4 实验结果及其分析 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间发表的学术论文 | 第50-51页 |
| 致谢 | 第51页 |
