2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩111頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、科孽艘求大謄Cl㈨ELoGY0FC^博士學(xué)位論文論文題目作者姓名學(xué)科專業(yè)導(dǎo)師姓名完成時(shí)間固檢測(cè)技術(shù)及自動(dòng)化裝置目一中~摘要相應(yīng)適當(dāng)?shù)男盘?hào)處理方案,并針對(duì)傳統(tǒng)Butterworth低通濾波器在響應(yīng)速度、檢波精度、穩(wěn)定性三者之間的矛盾,重新設(shè)置Butterworth濾波器的主導(dǎo)極點(diǎn)。實(shí)驗(yàn)結(jié)果表明,本論文的改進(jìn)方案可有效平衡傳統(tǒng)Butterworth濾波器三大主要性能之間的矛盾,可以提取壓力傳感器的有效信號(hào)。3針對(duì)徑向基神經(jīng)網(wǎng)絡(luò)隱層函數(shù)的參數(shù)

2、設(shè)置難題,論文提出了一種基于密度法的RPCCL聚類算法,基于密度法的RPCCL聚類算法可自動(dòng)、準(zhǔn)確、快速地提取輸入樣本的特征點(diǎn),即確定輸入樣本的聚類數(shù)。本論文還成功將其應(yīng)用于確定徑向基神經(jīng)網(wǎng)絡(luò)的隱含層結(jié)構(gòu)中。4針對(duì)強(qiáng)非線性系統(tǒng),論文提出了一種基于共軛梯度下降法的混合PSO算法。該混合PSO算法具有很強(qiáng)的搜索能力,并且能夠快速、準(zhǔn)確定位全局最優(yōu)點(diǎn)。與標(biāo)準(zhǔn)PSO算法相比,該算法的收斂速度和學(xué)習(xí)精度可大大提高。論文還將PSO混合算法成功用于優(yōu)

3、化徑向基神經(jīng)網(wǎng)絡(luò)權(quán)值中。5論文提出了一種用于徑向基神經(jīng)網(wǎng)絡(luò)的在線序列學(xué)習(xí)算法,即基于極限學(xué)習(xí)機(jī)的在線序列算法。本文的在線序列學(xué)習(xí)算法既可以學(xué)習(xí)一個(gè)接一個(gè)的訓(xùn)練樣本,也可以學(xué)習(xí)一塊接一塊的訓(xùn)練樣本。與其它在線序列算法相比,本論文的在線序列算法的學(xué)習(xí)速度和學(xué)習(xí)精度可大大提高。6為了提高徑向基神經(jīng)網(wǎng)絡(luò)的泛化性,本論文提出了一種基于局部泛化誤差的主動(dòng)學(xué)習(xí)算法。該算法采用主動(dòng)學(xué)習(xí)方式來(lái)選取網(wǎng)絡(luò)的下一個(gè)訓(xùn)練樣本,充分利用了系統(tǒng)的已有知識(shí),可以更有效

4、地選擇特征訓(xùn)練樣本點(diǎn),減少了網(wǎng)絡(luò)的訓(xùn)練樣本量,大大提高了網(wǎng)絡(luò)的泛化性能。7針對(duì)三維微重力環(huán)境地面模擬系統(tǒng)是強(qiáng)非線性系統(tǒng),提出了基于徑向基神經(jīng)網(wǎng)絡(luò)的控制方案。對(duì)于主動(dòng)式微重力模擬系統(tǒng),采用徑向基神經(jīng)網(wǎng)絡(luò)來(lái)逼近和補(bǔ)償系統(tǒng)的不確定信息,將它作為前饋補(bǔ)償使跟蹤誤差快速收斂,并采用滑模變結(jié)構(gòu)控制來(lái)消除徑向基神經(jīng)網(wǎng)絡(luò)的逼近誤差及系統(tǒng)不定隨機(jī)干擾的影響。實(shí)驗(yàn)研究結(jié)果表明,這個(gè)控制方案是有效的。系統(tǒng)具有較好的動(dòng)態(tài)響應(yīng)能力、魯棒性和自適應(yīng)能力;對(duì)于半主動(dòng)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論