基于BP神经网络的自整定PID控制仿真

基于BP神经网络的PID控制器设计

本文实例为大家分享了Python实现神经网络算法及应用的具体代码，供大家参考，具体内容如下 首先用Python实现简单地神经网络算法： import numpy as np # 定义tanh函数 def tanh(x): return np.tanh(x) # tanh函数的导数 def tan_deriv(x): return 1.0 - np.tanh(x) * np.tan(x) # sigmoid函数 def logistic(x): return 1 / (1 + np.exp(-x)) # sigmoid函数的导数 def logistic_derivative(x)

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

主要是通过GA和PSO的全局搜索能力，用于改进BP网络的权值阈值

遗传算法优化BP神经网络

广义预测控制在理论上已经有了很深的研究，并在工业控制中获得了应用，但广义预测控制存在着模型失配和系统不确定等缺陷。为克服上述缺陷，本文提出基于BP神经网络建立一个对象模型，用修正的误差预测值对输出预测值进行补偿，从而实现对被控对象的预测控制。通过Matlab仿真，表明神经网络预测控制对非线性系统具有较好的控制效果。

基于BP神经网络的汽车牌照识别系统的设计与实现

基于BP神经网络的滚动轴承性能退化预测。

压缩包内包括：matlab编写的BP神经网络代码（这里用的是单隐藏层）（代码大体有释义）+训练数据+BP神经网络关键原理及代码对照