为了解决车辆编队控制问题,设计了自适应神经网络编队控制器.在跟随车辆未知领航车辆速度的情况下,根据位置误差、角速度误差和前一时刻跟随车辆的速度,使用神经网络自适应在线调整神经元权重的方法,控制跟随车辆的速度.恰当选择控制器参数,能使跟随误差能足够小.通过六边形队形仿真实验证明了该编队控制器的有效性.该研究结论突破了车辆编队控制中跟随车辆需要已知领航车辆速度的限制,有助于节省速度传感器的使用.

本文基于滑模控制技术及径向基函数神经网络(RBF),研究了统一混沌系统的同步问题。设计出一个简单单维控制器,将该制器用于初值不同的统一混沌系统同步控制中,实现了统一混沌系统的同步,在Simulink中编写模块搭建混沌同步仿真系统,验证本文方法的有效性,最后将此方法用于混沌保密通信中,利用混沌信号掩盖实际要传输的信号,在接收端,由同步的混沌系统分离出实际传输的信号,成功地实现了信号的加密和还原。

基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制，唐忠，蔡智慧，本文提出了一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,�

粒子群算法(PSO)优化双向长短期记忆神经网络的数据回归预测，PSO-BiLSTM回归预测，多输入单输出模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

基于BP人工神经网络的SmFeN永磁材料工艺-磁性能关系预测，叶金文，刘 颖，采用均匀设计的方法设计了HDDR工艺条件的4因素16水平的实验方案，建立了工艺参数与磁性能之间的神经网络数学模型，利用该模型结合�

为快速响应客户需求和提高产品定制效率,通过分析产品设计过程的特点,结合粗糙集理论和神经网络方法各自的优势,提出一种融合粗糙集和神经网络的产品敏捷定制设计新方法,将粗糙集和神经网络方法有机集成应用于产品设计过程。该方法中,运用粗糙集对设计要求进行约简,提炼有效的决策条件;在此基础上,采用神经网络方法构建不同设计阶段的设计要求与其对应的产品结构间的网络模型,快速确定产品结构形式。并将该方法成功应用于某卷板机的总体方案定制设计过程。这种方法为实现产品敏捷定制开发提供了一种新的解决思路和技术手段。

基于粗糙集神经网络的数据挖掘在门业制造车间质量控制中的应用，陈振，刘颖，本文在对门业制造车间质量控制的特点进行分析的基础上提出了一个基于粗糙集BP神经网络的质量预测模型。用粗糙集的属性约简对输入�

Google OCR API源代码和神经网络识别OCR源代码

作者 项目 文献资料 建置状态 代码质量 覆盖范围 NumPyNet Linux / MacOS ： Windows ： 编码： 编码节拍： 纯NumPy中的神经网络-NumPyNet 在神经网络模型的纯Numpy中实现。 NumPyNet支持语法非常接近Keras之一，但它使用只写了Numpy功能：这种方式很轻，快速安装和使用/修改。 理论 先决条件 安装 效率 用法 贡献 参考 作者 执照 致谢 引文 概述 NumPyNet是作为研究神经网络模型的教育框架而诞生的。 编写该指南的目的是平衡代码的可读性和计算性能，并提供大量文档，以更好地理解每个脚本的功能。 该库是用纯Python编写的，唯一使用的外部库是Numpy （科学研究的基本软件包）。 尽管所有常见的库都通过广泛的文档进行了关联，但对于新用户而言，通常很难在其中引用的许多超链接和论文中四处移动。 NumPyNet试

基于卷积神经网络-双向长短期记忆网络结合注意力机制(CNN-BILSTM-Attention)回归预测，多变量输入模型。matlab代码，2020版本及以上。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。