为实现对双陷波超宽带(UWB)天线的精准神经网络建模,提出了一种利用改进的果蝇算法(FOA)优化广义回归神经网络(GRNN)的建模方法。
该方法通过扩大果蝇搜索范围,在味道判定公式中引入调整项来实现果蝇算法的改进,并用改进后的果蝇算法优化GRNN的光滑因子。
这样可以避免果蝇算法陷入局部最优,提高模型预测精度。
将该方法用于双陷波超宽带天线模型的建立中,并对天线的S11参数和电压驻波比VVSWR参数进行预测。
结果表明,相比于FOA-GRNN建模方法和GRNN建模方法,S11参数的最大相对误差分别减小了91.08%和99.14%;VVSWR参数的最大相对误差分别减小了98.36%和99.18%,使超宽带天线建模精度得到提高,验证了该方法的可行性。
1
模型预测、自动控制领域大牛AlbertoBemporad的博士课程讲义,内容为MPC模型预测控制,讲解了MPC的基本概念,线性系统的MPC理论
2024/5/22 0:36:58 18.39MB MPC 模型预测控制 线性系统
1
微软sqlserver2008将整个数据挖掘流程定义为挖掘结构、挖掘模型、挖掘模型查看器、挖掘准确性图表和挖掘模型预测五个步骤,本文将讨论如何在sqlserver2008中验证已经建好的数据挖掘模型。
1.为什么要对数据挖掘模型进行验证当我们建立好一个数据挖掘模型时,并不能保证所建模型能够直接的解决商业问题,我们要使用多种方法来评估和检验数据挖掘模型的质量和特征。
我们可以将将数据分为定型集和测试集来评估数据挖掘模型。
通过将数据集分区为定型集和测试集时,定型集是取大多数数据,小部分数据用于测试。
通过对全部数据的整体数据抽样,我们要保证定型集和测试集的相似。
通过使用相似的数据来进行定型和测试,可以更
1
由于模型预测控制理论数学抽象特点明显,初涉者往往需要较长时间的探索才能真正理解和掌握,而进一步应用到具体研究,则需要更长的过程。
本书详细介绍了应用模型预测控制理论进行无人驾驶车辆控制的基础方法,结合运动规划与跟踪实例详细说明了预测模型建立、方法优化、约束处理和反馈校正的方法,给出了Matlab仿真代码和详细图解仿真步骤。
所有代码都详细提供了详尽的注解,并且融入了研究团队在本领域的研究成果。
2024/5/10 17:25:03 52.7MB 无人驾驶 车辆模型 预测控制 程序
1
模型预测控制(MPC)的simulink实现。
















2024/4/2 12:39:57 98KB MPC simulink
1
意大利专家的多年模型预测控制算法总结,共有9章,2021年更新,可用于BMSSOC估计,PMSM估计等
2024/3/11 21:52:27 2.45MB 模型预测控制
1
针对铝土矿连续磨矿过程球磨机节能降耗问题以及铝土矿来源复杂、品位差异大等特点,提出了球磨机多目标多模型预测控制方法.该方法首先建立状态空间浓度预测模型和粒级质量平衡加权多模型细度预测模型.然后构建了包含磨机排矿浓细度区间控制和经济性能指标的多目标优化结构的多模型预测控制策略.最后采用乘子罚函数法求解控制器局部最优解.仿真及现场试验结果表明了该方案的有效性.
1
tensorflow训练网络模型,生成用于模型预测的pb模型文件,输入图片,进行前向预测
2024/2/2 6:09:32 1KB tensorflow pb inference
1
基于模型预测控制设计的无人驾驶车辆轨迹跟踪问题,内附有MATLAB程序与详细的建模过程,研究车辆转向的同学可以作为参考
2023/12/21 8:09:27 531KB 模型预测控制 MPC 无人驾驶 轨迹跟踪
1
基于状态空间的模型预测MPC控制器的设计,电机控制方面的,有需要的可以看看
2023/12/1 5:47:48 2KB MPC例子
1
共 67 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡