本课程为精品课，您可以登录eeworld继续观看： 类神经网络控制系统(二) 3.机器手臂类神经网络控制 继续观看 课时1：课程介绍 课时2：智能控制系统概论 1.自动控制系统 课时3：智能控制系统概论 2.计算智能 课时4：智能控制系统概论 3.模糊逻辑系统 课时5：智能控制系统概论 4.演化计算 课时6：智能控制系统概论 5.类神经网络 课时7：模糊集合 1.明确集合 课时8：模糊集合 2.模糊集合 课时9：模糊集合 3.模糊集合之基本概念 课时10：模糊集合 4.模糊归属函数 课时11：模糊集合 5.模糊集合之运算 课时12：模糊逻辑 1.明确关系 课时13：模糊逻辑 2.模糊关系 课时14：模糊逻辑 3.扩展原理 课时15：模糊逻辑 4.语言变数 课时16：模糊逻辑 5.模糊规则 课时17：模糊逻辑 6.模糊推论 课时18：模糊控制系統(一) 1. 模糊推论系统 课时19：模糊控制系統(一) 2. Matlab程式编写 课时20：模糊控制系統(一) 3.冷气机之模糊控制 课时21：模糊控制系統(一) 4. 洗衣机之模糊控制 课时22：模糊控制系統(一) 5. Sugeno模糊模型 课时23：模糊控制系統(二) 1. 直流马达模糊控制 课时24：模糊控制系統(二) 2. 倒立摆模糊控制 课时25：模糊控制系統(二) 3. 倒车入库模糊控制 课时26：模糊控制系統(二) 4. 机器人模糊控制 课时27：T-S模糊控制系統(一) 1. T-S模糊模型 课时28：T-S模糊控制系統(一) 2. 平行分布补偿 课时29：T-S模糊控制系統(一) 3. 李雅普诺夫稳定定理 课时30：T-S模糊控制系統(一) 4. 闭回路T-S模糊系統稳定定理 课时31：T-S模糊控制系統(一) 5. 闭回路T-S模糊系统稳定定理 课时32：T-S模糊控制系统(二) 1. 线性矩阵不等式 课时33：T-S模糊控制系统(二) 2. 衰退率T-S模糊控制器设计 课时34：T-S模糊控制系统(二) 3. 倒立摆T-S模糊控制 课时35：T-S模糊控制系统(二) 4. 双向充放电器T-S模糊控制 课时36：T-S模糊控制系统(二) 5. 机器人T-S模糊控制 课时37：二进位基因演算法(一) 1. 梯度下降法 课时38：二进位基因演算法(一) 2. 基因演算法特性 课时39：二进位基因演算法(一) 3. 二进位编码与解码 课时40：二进位基因演算法(一) 4. 初始族群 课时41：二进位基因演算法(一) 5. 适应函数 课时42：二进位基因演算法(二) 1. 天择运算 课时43：二进位基因演算法(二) 2. 交配运算 课时44：二进位基因演算法(二) 3. 突变运算 课时45：二进位基因演算法(二) 4. 菁英政策 课时46：二进位基因演算法(二) 5. 基因演算法之参数分析 课时47：基于基因演算法之控制系统 1. 基于基因演算法之函数极值 课时48：基于基因演算法之控制系统 2. 控制系统时域响应与PID控制器 课时49：基于基因演算法之控制系统 3. 基于基因演算法之最佳PID控制 课时50：基于基因演算法之控制系统 4. 基于基因演算法之强健PID控制 课时51：进阶基因演算法 1. 实数型基因演算法 课时52：进阶基因演算法 2. 基于实数型基因演算法之控制系统 课时53：进阶基因演算法 3. 格雷编码 课时54：进阶基因演算法 4.适应函数线性缩放 课时55：进阶基因演算法 5. 适应函数标准差縮放 课时56：基于粒子群最佳化法之控制系统 1. 粒子群最佳化法之原理 课时57：基于粒子群最佳化法之控制系统 2. 基于粒子群最佳化法之函数极值 课时58：基于粒子群最佳化法之控制系统 3. 粒子群最佳化法之参数分析 课时59：基于粒子群最佳化法之控制系统 4. 基于粒子群最佳化法之PID控制 课时60：基于粒子群最佳化法之控制系统 5. 基于粒子群最佳化法之强健PID控制 课时61：基于演化计算之模糊控制系统 1. 主轴马达伺服系統 课时62：基于演化计算之模糊控制系統 2. 基于基因演算法之模糊控制 课时63：基于演化计算之模糊控制系統 3. 机械手臂控制系統 课时64：基于演化计算之模糊控制系统 4. 基于基因演算法之T-S模糊控制 课时65：基于演化计算之模糊控制系統 5. 基磁浮控制系統 课时66：基于演化计算之模糊控制系統 6. 基于粒子群最佳化法之T-S模糊控制 课时67：单层类神经网络 1. 类神经元模型 课时68：单层类神经网络 2.感知机 课时69：单层类神经网络 3. 感知机应用案例 课时70：单层类神经网络 4. 适应线性元件 课时71：单层类神经网络 5. 适应线性元件应用范例 课时72：多层类神经网络 1. 多层神经网络架构 课时73：多层类神经网络 2. 反向传播算法 课时74：多层类神经网络 3. XOR闸 课时75：多层类神经网络 4. 函数近似 课时76：多层类神经网络 5. 多层神经网络应用范例 课时77：类神经网络控制系统(一) 1. 类神经网络控制系统 课时78：类神经网络控制系统(一) 2.类神经网络模式预测控制 课时79：类神经网络控制系统(一) 3.引擎类神经网络温度控制 课时80：类神经网络控制系统(一) 4.直流马达类神经网络控制 课时81：类神经网络控制系统(二) 1. 类神经网络模式参考控制 课时82：类神经网络控制系统(二) 2.机器手臂系统识别 课时83：类神经网络控制系统(二) 3.机器手臂类神经网络控制 课时84：类神经网络控制系统(二) 4.倒车入库神经网络控制 课时85：模糊类神经网络控制系统 1. 适应性类神经模糊推论系统 课时86：模糊类神经网络控制系统 2. 混合学习演算法 课时87：模糊类神经网络控制系统 3. 离散动态控制系统 课时88：模糊类神经网络控制系统 4. 倒车入库控制系统 课程介绍共计88课时，21小时5分41秒 智能控制系统 智能控制系统是一种使用各种基于人工智能计算方法的自动控制系统，例如模糊逻辑控制系统，基于基因算法控制系统，以及类神经网络控制系统。 上传者：桂花蒸 猜你喜欢 手把手教Hercules Launchpad（3） 电子信息科学与技术导引 SmartMesh IP 无线传感器网络入门套件 电机应用开发实战指南-基于STM32 奥本海姆主讲——信号与系统：模拟与数字信号处理 为智能锁应用设计宽输入 DC/DC 转换器 直播回放: Microchip 安全系列17 - 预配置Wi-Fi® MCU加快产品上市，简化生产 PSoC创意项目展示：基于PSoC3的智能手机电池充电器 热门下载 ISD1700.pdf 基于FPGA的FIR数字滤波器的设计与实现 ex54.rar MX7530_M FPGA EP1C6Q240C8 4*4键盘模块 4*4矩阵键盘 多管脚芯片是如后操作设置的 dsp频谱仪设计 微机系统接口课程设计 poj 部分解题报告 poj 部分解题报告 电动汽车用轮毂电机研究热点及趋势分析 热门帖子 28335 ADC超压保护电路 首先，请问TMS320F28335的ADC需要做准确的3.0V超压保护电路吗？从数据手册的原理框图里，没有看到自带的保护电路呢我们项目中模拟量输入可能偶尔会出现超压，为了不牺牲精度，所以不愿再做缩放。HardwareDesignGuidelinesforTMS320F28xxandTMS320F28xxxDSCs文中这样写道：ItisnecessarytomaintaintheanaloginputvoltageappliedtotheADCIN Yuting ZIGBEE技术和应用概要（图解） ZIGBEE技术和应用概要（图解）回复:ZIGBEE技术和应用概要（图解）回复:ZIGBEE技术和应用概要（图解）回复:ZIGBEE技术和应用概要（图解）不错，抢个沙发先顶一下回复：ZIGBEE技术和应用概要（图解）很好，需要整合各种资源武装自己头脑Re:ZIGBEE技术和应用概要（图解）厉害!经典!可以让人一目了然,相互比较才有发言权Re:ZIGBEE技术和应用概要（图解）呵呵，不错的资料，学习下，这个是很有前景的一个应用呀 呱呱 如何设计具有 COT 的稳定 Fly-Buck™ 转换器 - 1 作者：德州仪器XiangFangFly-Buck™转换器拓扑被公认为是一种多功能的隔离式偏置电源，其在各类应用中得到了越来越多的关注。同步降压转换器可以配置成Fly-Buck，但并非所有控制方法都能简单应用于这种拓扑。图1.纹波注入网络Rr、Cr和CacLM5017是一款支持恒定导通时间(COT)控制的100V同步降压稳压器，特别适合Fly-Buck。COT不需要补偿网络，可简化Fly-Buck设计，而且 maylove STM8L测量脉宽 有做过STM8L测量脉宽的大神吗？求代码。STM8L测量脉宽顶起~~~~~这个不难吧，采用输入捕获的方式就可以实现了呀。 czx2014 牛人！国内谁参加STM32比赛得了＄５０００ ？ CONTEST-2008andtheWinnersare...PrizeCandidateProjectNameFirstPrize($5,000)jingxizhangECG地址： http://www.stm32circle.com/hom/index.phpps谁能搞到这个STM32primer啊，玩玩很不错啊！哈哈牛人！国内谁参加STM32比赛得了＄５０００ ？STM32Primer的订货代码是STM32 ???? 汽车上的电子控制单元ECU 现代轿车发动机大都用电子燃油喷射系统，其中有一个形似方盒子的控制元件叫“ECU”，ECU的称谓较多，有人称它为电脑，有人称它为微机，还有人称它为微处理器，那么，它实际上是个什么东西呢？简单地说，ECU由微机和外围电路组成。而微机就是在一块芯片上集成了微处理器（CPU），存储器和输入／输出接口的单元。ECU的主要部分是微机，而核心件是CPU。ECU将输入信号转化为数字形式，根据存储的参考数据进行对比加工，计算出输出值，输出信号再经功率放大去控制若干个调节伺服元件，例如继电器和开关等。因此 frozenviolet 网友正在看 BP学习算法两个问题 物理内存管理 相同网络的过孔重叠了需要在哪里进行设置才会产生DRC呢？ UI设计器的简单使用 学习材料 基于ROM的VGA图像显示（二） 双极型晶体管（八） FIFO求和实验（一）
