基于附加动量项和自学习速率法的改进型BP神经网络优化PID自动控制

神经网络PID控制器的设计及仿真 一传统PID控制 数字PID控制算法分位置式和增量式两种工程上常用的增量式PID控制算法其控制算式为 u(k)=u(k?1)+Kp[e(k?1)]+KIe(k)+KD

该论文给出了控制器的算法的实现，是用matlab中的S函数写的，而且还给出了仿真图，以及封装图等等，对大家肯定有很大的帮助

基于S函数的BP神经网络PID控制器及Simulink仿真

主要介绍退火遗传算法优化BP神经网络代码，实现优化功能

为解决经过Mawdesley修正的Mathews图表法的分区划分限于回归分析,过于简化,在水力半径过小及过大2个区域没有给出明确的稳定性判断等问题,通过建立BP神经网络岩体稳定性预测模型,利用Mawd

为克服传统商品库存成本过大和消费者满意度过低的弊端,采用BP神经网络方法,以超市一段时间内的销售记录为样本数据,分析BP神经网络库存控制模型的训练过程,并验证BP神经网络的自适应能力、容错能力以及处理

BP and PSO neural networks

提出一种基于激励函数参数可调和动态阈值的改进 BP 神经网络控制图模式识别算法,并优化 Monte Carlo 工序数据模拟方法,使样本数据更具与实际生产数据相同的质量特性。根据改进后的网 络参数迭代

本基于BP神经网络和卷积神经网络对手写数字识别进行研究,使用10000张已标注的大小为28*28的手写数字图片进行训练和测试,从所有图片中随机选出9000张作为训练样本对网络进行训练,另外1000张作

S函数的BP神经网络PID控制器Simulink仿真