-
-
-
-
具有时变时滞的随机非线性严格反馈系统的自适应NN Backstepping输出反馈控制
摘要—本文首次解决了这个问题一类不确定随机变量的自适应输出反馈控制方法时变时滞的非线性严格反馈系统使用神经网络(NNs)。 圆判据适用于设计一个非线性观测器,没有线性增长条件取决于系统状态,将其强加于非线性函数。 假设系统中存在时变延迟输出,仅采用NN来补偿所有未知数非线性项取决于延迟输出,因此, 提出的控制算法比现有的算法更简单描述了不确定系统的NN反推控制方案用常微分方程举三个例子证明在中提出的控制方案的有效性这篇报告。
-
非线性HPA的一种新的NN预失真器学习方法
非线性大功率放大器(HPA)的间接NN(神经网络)预失真器学习方法中存在预失真性能的不足,直接NN预失真器学习方法具有很大的计算复杂性。 为了解决这些问题,本文提出了一种新的NN-predistorter学习方法,其方法是利用非线性算子的某些性质来开发其结构,并采用近似公式导出相应的算法。 该方法基于HPA的NN后失真的识别,然后直接实现高效的Levenberg-Marquardt反向传播算法。 ... 在相邻信道功率比提高约5 dB的情况下,我们提出的方法优于间接NN预失真器学习方法。
-
-
-
NN内部
NN内部
Step1GreyScale.ipynd-从imgSrc /文件夹(应为JPG)中获取所有图片,将图片调整为300x300的大小并保存到/ img ... 保存点Esc:出口
Step3Teaching-学习模块。 将所有图像作为一个数组,从Answers.json获取点数组,然后尝试教授NN。 基于
-
基于k-NN非参数回归模型的每小时太阳辐射预测。 应用力学和材料。
由于其非常突出的非线性特性,很难准确地预测太阳辐射,因此本文提出了基于k-NN模型的四个主要模型,它们以时间,日照时数,温度,风速和湿度为输入数据。用于每小时的太阳辐射预报。 通过在青海大学进行的实验,建立了预测西宁地区太阳瞬时辐射值的模型。 最佳模型的前提条件是平均精度最高为88.7%,最高为97.01%,允许的绝对百分比误差小于20%。
-
单块晶体集成的N×N 纵横开关网络及其控制算法
设计了一种单块晶体集成的n×n纵横开关(Crossbar)网络。通过综合考虑晶体的双折射和全内双反射现象,以及晶体的电光效应,将构成n×n纵横开关网络的所有单元器件都集成到一块具有电光效应的双折射晶体上。同时,给出了该网络的控制算法,通过对开关工作状态的控制,可以实现任意输入输出通道之间的无阻塞连接。这种单块晶体集成的纵横开关网络具有能量损耗低、无阻塞、易安装、抗干扰等优点,适合于全光网络发展的需要。
-
-