基于人工神经网络的动态系统仿真模型和算法研究

利用ADP(自适应动态规划)中的HDP，实现对非线性离散时间系统的稳定控制。代码利用python实现。构建评价网络(Critic Network)、模型网络(Model Network)和执行网络(Action Network)三个网络。需要安装Pytorch;由于保存结果，因此需要在根目录先创建ADPresultfig文件夹;python文件只需要放在根目录下即可。

简单人工神经网络（ANN） 关于案例研究 在此业务案例研究中，我们预测了银行客户的流失率。 为了了解银行的客户，我们将使用一种深度学习技术，即人工神经网络（ANN）。从数百万的客户中，我们随机选择了1万个客户。 我们将使用客户的特征来确定他/她离开银行的可能性。 为了了解银行的客户，我们将使用一种深度学习技术，即人工神经网络（ANN）。 此外，我们将使用流行的Python库（例如Tensorflow，Keras）和机器学习技术（例如Adam Optimizer）来训练ANN模型并预测客户流失率。 数据：客户数据存储在： 论文：ANN案例研究论文： 研究论文 代码：Artificial_Neural_Network_Case_Study.py SAMPLE_OUTPUT = ANN_Case_Study_Sample_Output_1.png SAMPLE_OUTPUT = ANN_C

RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。

一个典型的BP人工神经网络应用实例，通过对它的研究与学习相信您会从最底层接触和了解BP人工神经网络的任何细节和原理，而不像MatLab中的那样您仅会知道如何调用...

神经网络是：思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点：1.信息是通过神经元上的兴奋模式分布储在网络上；2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。标准的神经网络VLSI的实现方式是在单个芯片上集成多个神经元和突触单元，并且将它们按某种通信结构

快速人工神经网络库 法恩 快速人工神经网络（FANN）库是一个免费的开源神经网络库，它以C语言实现了多层人工神经网络，同时支持完全连接和稀疏连接的网络。 支持定点和浮点的跨平台执行。 它包括一个易于处理培训数据集的框架。 它易于使用，用途广泛，有据可查且快速。 可以绑定超过15种编程语言。 该库随附了易于阅读的介绍文章和参考手册，以及有关如何使用该库的示例和建议。 该库还提供了几种图形用户界面。 FANN功能 C语言中的多层人工神经网络库 反向传播训练（RPROP，Quickprop，批处理，增量式） 不断发展的拓扑训练，可动态构建和训练ANN（Cascade2） 易于使用（只需三个函数调用即可创建，训练和运行ANN） 快速（执行速度是其他库的150倍） 多功能（可以即时调整许多参数和功能） 记录良好（易于阅读的介绍文章，详尽的参考手册以及描述实施注意事项的50多页大学报告等） 跨平台（据报道，Linux和Unix的配置脚本，Windows的dll文件，MSVC ++的项目文件和Borland编译器也可以正常工作） 实现了几种不同的激活功能（包括用于额外速度的逐步

计算机网络优化控制-综述

对基于模型预测的原理、思想以及模型预测的特点进行分析研究 共53个章节 非常值得学习（53页）

人工神经网络教程，学习的童鞋们可以参考一下