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

终态神经网络及其相关应用

摘要第5-7页
Abstract第7-8页
主要符号对照表和缩写第13-14页
第一章 绪论第14-21页
    1.1 研究背景及意义第14-15页
    1.2 相关技术的研究现状与发展趋势第15-19页
        1.2.1 递归神经网络第15页
        1.2.2 渐近收敛神经网络(ZNN)第15-16页
        1.2.3 终态神经网络第16-17页
        1.2.4 冗余机械臂重复运动规划第17-19页
    1.3 本文的研究工作与章节安排第19-21页
第二章 终态神经网络方法第21-36页
    2.1 引言第21页
    2.2 渐近递归神经网络及其收敛性分析第21-23页
    2.3 终态神经网络及其收敛性分析第23-35页
        2.3.1 基于幂次吸引的终态神经网络模型Ⅰ第23-26页
        2.3.2 终态神经网络模型Ⅱ第26-29页
        2.3.3 终态神经网络模型Ⅲ第29-32页
        2.3.4 终态神经网络模型Ⅳ第32-35页
    2.4 小结第35-36页
第三章 时变矩阵求逆第36-53页
    3.1 引言第36页
    3.2 问题的提出第36-37页
    3.3 终态神经网络求解方法第37-49页
        3.3.1 终态神经网路Ⅰ求解方法第37-42页
        3.3.2 终态神经网路Ⅱ求解方法第42-43页
        3.3.3 终态神经网路Ⅲ求解方法第43-46页
        3.3.4 终态神经网路Ⅳ求解方法第46-49页
    3.4 小结第49-53页
第四章 Sylvester时变矩阵方程求解第53-66页
    4.1 引言第53-54页
    4.2 问题的提出第54-56页
    4.3 终态神经网络求解方法第56-64页
        4.3.1 终态神经网路求解方法Ⅰ第56-58页
        4.3.2 终态神经网路求解方法Ⅱ第58-62页
        4.3.3 终态神经网路Ⅲ求解方法第62页
        4.3.4 终态神经网路Ⅳ求解方法第62-64页
    4.4 小结第64-66页
第五章 时变不等式矩阵方程求解第66-79页
    5.1 引言第66-67页
    5.2 问题的提出第67-68页
    5.3 终态神经网络方法第68-76页
        5.3.1 终态神经网络求解方法Ⅰ第68-75页
        5.3.2 终态神经网络求解方法Ⅱ第75-76页
    5.4 小结第76-79页
第六章 时变广义逆矩阵求解第79-93页
    6.1 引言第79页
    6.2 广义逆矩阵第79-81页
    6.3 终态神经网络球解时变伪逆矩阵第81-88页
        6.3.1 终态神经网络Ⅰ求解时变矩阵左伪逆第81页
        6.3.2 终态神经网络Ⅰ求解时变矩阵右伪逆第81-84页
        6.3.3 幂次终态神经网络Ⅰ求解时变伪逆矩阵算例第84-88页
    6.4 终态神经网络Ⅰ求解时变伪逆矩阵第88-90页
        6.4.1 终态神经网络Ⅱ求解左右伪逆时变矩阵第88-89页
        6.4.2 终态神经网络Ⅱ求解时变伪逆矩阵算例第89-90页
    6.5 终态神经网络Ⅲ求解时变伪逆矩阵第90-91页
        6.5.1 终态神经网络Ⅲ求解时变矩阵左伪逆第90页
        6.5.2 终态神经网络Ⅲ求解时变矩阵右伪逆第90-91页
    6.6 终态神经网络Ⅳ求解时变伪逆矩阵第91页
        6.6.1 终态神经网络Ⅳ求解时变矩阵左伪逆第91页
        6.6.2 终态神经网络Ⅳ求解时变矩阵右伪逆第91页
    6.7 小结第91-93页
第七章 基于终态神经网络的二次规划算法第93-105页
    7.1 引言第93-94页
    7.2 问题的提出第94-95页
    7.3 终态神经网络求解二次规划问题第95-98页
        7.3.1 终态神经网络Ⅰ求解二次规划问题第95页
        7.3.2 终态神经网络Ⅱ求解二次规划问题第95-96页
        7.3.3 终态神经网络Ⅲ求解二次规划问题第96-97页
        7.3.4 终态神经网络Ⅳ求解二次规划问题第97-98页
    7.4 数值仿真第98-104页
        7.4.1 终态神经网络Ⅰ求解二次规划算例第98-100页
        7.4.2 终态神经网络Ⅱ求解二次规划算例第100-102页
        7.4.3 终态神经网络Ⅲ求解二次规划算例第102-103页
        7.4.4 终态神经网络Ⅳ求解二次规划算例第103-104页
    7.5 小结第104-105页
第八章 基于终态吸引优化指标的冗余机械臂运动规划第105-132页
    8.1 引言第105-107页
    8.2 基于终态吸引的优化方案第107-110页
        8.2.1 幂次终态吸引优化方案Ⅰ第107-108页
        8.2.2 幂次终态吸引优化方案Ⅱ第108页
        8.2.3 幂次终态吸引优化方案Ⅲ第108-109页
        8.2.4 幂次终态吸引优化方案Ⅳ第109-110页
    8.3 终态神经网络求解冗余机械臂轨迹规划问题第110-114页
        8.3.1 基于幂次终态神经网络Ⅰ冗余机械臂轨迹规划第110-111页
        8.3.2 基于幂次终态神经网络Ⅱ冗余机械臂轨迹规划第111-112页
        8.3.3 基于幂次终态神经网络Ⅲ冗余机械臂轨迹规划第112-113页
        8.3.4 基于幂次终态神经网络Ⅳ冗余机械臂轨迹规划第113-114页
    8.4 仿真与对比第114-131页
        8.4.1 机械臂PA10轨迹规划第115-118页
        8.4.2 机械臂PUMA560轨迹规划第118-126页
        8.4.3 机械臂KATANA6M180轨迹规划第126-131页
    8.5 小结第131-132页
第九章 移动机械臂重复运动规划第132-149页
    9.1 引言第132-133页
    9.2 移动机械臂MMRS运动学分析第133-136页
    9.3 移动机械臂MMRS重复运动规划方案第136-138页
    9.4 终态神经网络求解二次规划问题第138-139页
    9.5 全向移动机械臂(MMRS)测试平台构建第139-144页
        9.5.1 Cardioid轨迹任务第139-140页
        9.5.2 八叶玫瑰线轨迹任务第140-144页
    9.6 小结第144-149页
第十章 结论与展望第149-151页
    10.1 结论第149-150页
    10.2 展望第150-151页
参考文献第151-161页
致谢第161-162页
攻读博士学位期间的研究成果及发表的论文第162页

论文共162页,点击 下载论文
上一篇:基于学习的单幅图像超分辨率重建方法研究
下一篇:考虑碳排放的区域木材物流网络优化研究