基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股指价格趋势预测模型的研究 基于LSTM神经网络的美股股

人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经网络模型发展及应用综述 人工神经

计算机视觉与深度学习基于DNN神经网络实现人的年龄及性别预测（代码类） 计算机视觉.pdf

大二上学期初步学习机器学习和深度学习的心得和感想。

本文是IEEE官方指导的联邦机器学习架构与应用，配套论文翻译详见博客

资源包含相关参考文献及对应的maltab仿真程序，仅供参考。 在路径跟踪和轨迹跟踪研究基础上，把基于强化学习的自适应迭代滑模控制 器用于自动停靠泊的控制中，引进混浊粒子群优化算法，对重要的控制器参数初 始值进行优化。最后，集装箱船为目标，在风浪等干扰下进行船舶 靠巧仿真，并与不加混浊粒子群控制方法的仿真结果进行对比分析。

资源包含相关文献及对应的matlab仿真程序，仅供参考。 设计了欠驱动船舶神经网络自适应迭代滑模航向控制器，完成了在船舶部分模型不确定和外界海况未知情况下的航向控制目标。在本章中，基于上述条件，将解决欠驱动船舶的路径跟踪控制问题。由于欠驱动船舶在受到风浪流海洋环境扰动后会产生横向漂移，因此船首必须以与计划航向保持一定角度航行，如果不执行有效的控制，经海洋环境扰动后的欠驱动船舶路径跟踪控制的结果会产生稳态误差。本节结合Ｌｙａｐｕｎｏｖ稳定性条件构造思想，采用Ａｄａｌｉｎｅ单神经元和最小二乘法，提出一种神经元自适应迭代滑模控制器，经ＭＡＴＬＡＢ仿真验证了该控制器的有效性。

对于操纵性能与安全性能要求较高的船舶,如浮式采油-储油-卸油船、穿梭运输邮轮、补给船和半潜式钻井平台等,一般采用全驱动配置以实现其目标。在进行某些特定的工程作业如深海勘探、海底管道建设、供给和海上石油钻探等时,需要船舶精确地按照预定的航线航行,由于所航行的环境、船舶自身特性等,多耦合、强非线性的水面船舶不可避免地遭受环境干扰以及存在着动态不确定性,这使得水面船舶轨迹跟踪控制设计极具挑战性。因此,研究全驱动船舶轨迹跟踪控制问题具有重要的理论意义和实际工程价值。首先,针对遭受未知外部环境扰动的三自由度全驱动船舶的轨迹跟踪控制问题,提出带扰动观测器的自适应动态面滑模控制方法。该方法设计扰动观测器估计外部环境扰动并进行前馈补偿,采用自适应律估计扰动观测误差的界,提高控制精度,结合动态面技术构造控制器,避免微分爆炸。其次,针对存在模型不确定项和未知外部环境扰动的三自由度全驱动船舶的轨迹跟踪控制问题,提出基于非线性增益递归滑模的自适应动态面控制方法。该方法引入神经网络逼近模型不确定项,采用自适应律估计神经网络逼近误差与扰动总和的界,综合考虑船舶位置和速度误差之间关系设计递归滑模面,并应用一种非线性

摘要: 针对三自由度全驱动船舶速度向量不可测问题, 考虑船舶模型参数和外部环境扰动均未知的情况, 提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法. 该方法设计神经网络自适应观测器估计船舶速度向量, 且利用神经网络逼近模型参数不确定项, 综合考虑船舶位置和速度误差之间关系构造递归滑模面, 再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律, 并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号. 选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性. 最后, 基于一艘供给船进行仿真验证, 结果表明, 船舶轨迹跟踪响应速度快, 所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.

摘要：近年来,随着欠驱动系统控制技术的快速发展以及船舶智能化要求的不断增加,欠驱动船舶控制问题受到越来越广泛的关注。本课题结合backstepping设计方法、滑模控制算法、参数自适应方法、动态面控制技术、神经网络以及低频增益学习等先进控制理论,考虑欠驱动船舶存在外界环境干扰、模型不确定、速度不可测情况,提出欠驱动船舶轨迹跟踪状态反馈与输出反馈自适应滑模控制策略。首先,以船舶模型已知为前提,考虑干扰界已知和界未知两种情况下的船舶轨迹跟踪问题,对外界环境干扰界已知情况,结合backstepping设计方法与滑模控制算法,设计船舶轨迹跟踪滑模控制律;进一步,对外界环境干扰界未知情况,设计带有σ-修正的参数自适应律估计外界环境干扰的界值,并引入双曲正切函数消除因符号函数引入带来的“抖振”问题。其次,针对船舶存在模型不确定项与未知环境干扰的轨迹跟踪控制问题,将动态面控制技术、自适应神经网络、滑模控制算法与backstepping设计方法相结合,设计一种基于神经网络的船舶轨迹跟踪自适应滑模控制律。 介绍：资源包含相关文献和可运行的matlab程序，仅供参考。