دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: نرم افزار: سیستم ها: محاسبات علمی ویرایش: 1 نویسندگان: Jinkun Liu (auth.) سری: ISBN (شابک) : 9783642348150, 9783642348167 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2013 تعداد صفحات: 373 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب کنترل شبکه عصبی تابع پایه شعاعی (RBF) برای سیستم های مکانیکی: طراحی، تجزیه و تحلیل و شبیه سازی Matlab: کنترل، ارتعاش، سیستم های دینامیکی، کنترل، هوش محاسباتی، مدل های ریاضی فرآیندهای شناختی و شبکه های عصبی
در صورت تبدیل فایل کتاب Radial Basis Function (RBF) Neural Network Control for Mechanical Systems: Design, Analysis and Matlab Simulation به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کنترل شبکه عصبی تابع پایه شعاعی (RBF) برای سیستم های مکانیکی: طراحی، تجزیه و تحلیل و شبیه سازی Matlab نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
پایه شعاعی (RBF)
کنترل شبکه عصبی< انگیزه
/i>برای سیستمهای مکانیکی نیاز به
رویکردهای طراحی سیستماتیک برای طراحی سیستم کنترل تطبیقی
پایدار با استفاده از تکنیکهای مبتنی بر تقریب شبکه عصبی
است. اهداف اصلی کتاب معرفی روشهای طراحی بتن و شبیهسازی متلب
استراتژیهای کنترل عصبی تطبیقی پایدار RBF است. در این کتاب،
طیف وسیعی از روشهای طراحی کنترل شبکه عصبی قابل پیادهسازی
برای سیستمهای مکانیکی، مانند دستکاریکننده ربات، آونگ معکوس،
رباتهای مفصل منعطف تک لینک، موتورها و غیره ارائه شده است. .
این کتاب اصول طراحی سیستم کنترل شبکه های عصبی را در اختیار
خوانندگان قرار می دهد.
این کتاب برای محققان در زمینه های کنترل تطبیقی عصبی، سیستم
های مکانیکی، شبیه سازی Matlab، طراحی مهندسی، رباتیک و
اتوماسیون در نظر گرفته شده است.
جینکون لیو استاد دانشگاه هوانوردی و فضانوردی پکن است.
Radial Basis Function
(RBF) Neural Network Controlfor Mechanical Systems is motivated by the need for
systematic design approaches to stable adaptive control
system design using neural network approximation-based
techniques. The main objectives of the book are to introduce
the concrete design methods and MATLAB simulation of stable
adaptive RBF neural control strategies. In this book, a broad
range of implementable neural network control design methods
for mechanical systems are presented, such as robot
manipulators, inverted pendulums, single link flexible joint
robots, motors, etc. Advanced neural network controller
design methods and their stability analysis are explored. The
book provides readers with the fundamentals of neural network
control system design.
This book is intended for the researchers in the fields of
neural adaptive control, mechanical systems, Matlab
simulation, engineering design, robotics and automation.
Jinkun Liu is a professor at Beijing University of Aeronautics and Astronautics.
Front Matter....Pages i-xv
Introduction....Pages 1-17
RBF Neural Network Design and Simulation....Pages 19-53
RBF Neural Network Control Based on Gradient Descent Algorithm....Pages 55-69
Adaptive RBF Neural Network Control....Pages 71-112
Neural Network Sliding Mode Control....Pages 113-132
Adaptive RBF Control Based on Global Approximation....Pages 133-191
Adaptive Robust RBF Control Based on Local Approximation....Pages 193-249
Backstepping Control with RBF....Pages 251-292
Digital RBF Neural Network Control....Pages 293-309
Discrete Neural Network Control....Pages 311-337
Adaptive RBF Observer Design and Sliding Mode Control....Pages 339-362
Back Matter....Pages 363-365