基于Matlab神经网络控制仿真研究，袁健，张文霞，介绍了基于神经网络的直接逆控制和模型参考自适应控制的基本原理，然后把它应用在一个简单的二阶系统控制中，并对其进行了仿真，

神经网络控制的FPGA研究与应用

我们学校的神经网络课件！非常好~~~一只留着

针对一类具有非仿射函数和下三角结构的、受干扰未知的非线性系统, 提出一种新的自适应神经网络控制 方法. 它是严格反馈不确定系统和纯反馈系统的更一般化表达. 在Back stepp ing 设计思想基础上, 证明了闭环信号的 半全局最终一致有界性, 并很好地处理了控制方向和控制奇异问题. 通过仿真验证了该方法的有效性.

使用在 Simulink 中开发的 NARX 的神经网络控制器。 我在使用 Simulink 进行控制应用的神经网络训练时遇到的问题之一是归一化问题。 在这个项目中，一个简单的 NARX 网络被用来替换 Simulink 中的 PID。 这特别有用，因为我们解决了以下问题1. 如何在 Simulink ( https://au.mathworks.com/help/deeplearning/ref/mapminmax.html ) 中编写自己的 Mapminmax 的 Matlab 版本2. PID 输入和输出作为 NARX 网络的输入和目标3. 在 Matlab 训练之前，首先将输入和目标归一化（从 +1 到 -1） 4. 使用“fnc”功能块，用输入和目标的最大值和最小值替换 xmin、ymin、xmax 和 ymax。 5. 由于您使用归一化输入进行训练，因此您需要在 Simulin

使用DQN强化学习方法解决网格迷宫问题及倒立摆问题的MATLAB强化学习程序合集。 “I thought what I'd do was I'd pretend I was one of those deaf-mutes, or should I?”

根据所学过的BP网络设计及改进方案设计实现模糊控制规则为T = int((e+ec)/2)的模糊神经网络控制器，其中输入变量e和ec的变化范围分别是：e = int[-2, 2]，ec = int[-2, 2]。网络设计的目标误差为0.001。

基于遗传算法的BP神经网络优化算法，可对神经网络的层数和训练函数进行自定义控制，方便系统级开发，非常实用。

关于RBF整定的资料，希望大家多多看 希望对大家有所帮助

关于RBF整定的资料，希望大家多多看 希望对大家有所帮助