本书系统地介绍了PID控制的几种设计方法，是作者多年来从事控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的最新成果。
全书共分14章，包括基本的PID控制、PID控制器的整定、时滞系统的PID控制、基于微分器的PID控制、基于观测器的PID控制、自抗扰控制器及其PID控制、PD鲁棒自适应控制、模糊PD控制和专家PID控制、神经PID控制、基于遗传算法整定的PID控制、伺服系统PID控制、迭代学习PID控制其他控制方法的设计与仿真，以及PID实时控制的C++语言设计及应用。
每种方法都给出了算法推导、实例分析和相应的MATLAB仿真设计程序。
全书共分14章，包括基本的PID控制、PID控制器的整定、时滞系统的PID控制、基于微分器的PID控制、基于观测器的PID控制、自抗扰控制器及其PID控制、PD鲁棒自适应控制、模糊PD控制和专家PID控制、神经PID控制、基于遗传算法整定的PID控制、伺服系统PID控制、迭代学习PID控制其他控制方法的设计与仿真，以及PID实时控制的C++语言设计及应用。
每种方法都给出了算法推导、实例分析和相应的MATLAB仿真设计程序。
2025/1/11 9:53:47
4.92MB
1
反向传播算法是人工神经网络训练时采用的一种通用方法，在现代深度学习中得到了大规模的应用。
全连接神经网络(多层感知器模型，MLP)，卷积神经网络(CNN)，循环神经网络(RNN)中都有它的实现版本。
算法从多元复合函数求导的链式法则导出，递推的计算神经网络每一层参数的梯度值。
算法名称中的“误差”是指损失函数对神经网络每一层临时输出值的梯度。
反向传播算法从神经网络的输出层开始，利用递推公式根据后一层的误差计算本层的误差，通过误差计算本层参数的梯度值，然后将差项传播到前一层
全连接神经网络(多层感知器模型，MLP)，卷积神经网络(CNN)，循环神经网络(RNN)中都有它的实现版本。
算法从多元复合函数求导的链式法则导出，递推的计算神经网络每一层参数的梯度值。
算法名称中的“误差”是指损失函数对神经网络每一层临时输出值的梯度。
反向传播算法从神经网络的输出层开始，利用递推公式根据后一层的误差计算本层的误差，通过误差计算本层参数的梯度值，然后将差项传播到前一层
2024/8/11 5:25:02
773KB
1
针对长短期记忆网络（lstm)的算法过程做了详细推导，有具体公式，长达十页，也用matlab对该算法进行了实现，有运行程序和结果图片。
2024/1/4 8:04:34
485KB
1
包含Carsim入门教程，仿真参数设置教程，ESP算法推导，控制策略仿真，适用于出初学者
2023/9/28 23:48:42
14.16MB
1
Python3写的EM算法，包含两个程序，一个是em分类，一个是GMM使用（EM算法推导（收敛性证明和在GMM中的使用））我的博客：https://blog.csdn.net/kevinoop/article/details/80522477
2016/5/20 23:24:10
3KB
1
对循环神经网络的简单认识及一些次要数学过程的推导的文档和应用matlab代码编写一个简单的循环神经网络进行预测的一个matlab程序。
2020/10/5 9:45:02
1.17MB
1
递归神经收集RNN与LSTM简介与算法推导。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
2019/3/20 2:33:04
3.9MB
1
本书系统地引见了机器人控制的几种先进设计方法，是作者多年来从事机器人控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的最新成果。
全书以机器人为对象，共分10章，包括先进PID控制、神经网络自适应控制、模糊自适应控制、迭代学习控制、反演控制、滑模控制、自适应鲁棒控制、系统辨识和路径规划。
每种方法都给出了算法推导，实例分析和相应的MATLAB仿真设计程序。
本书各部佞内容既相互联系又各自独立，读者可根扭需要选择学习，本书适用于从事生产过程自动化、计算机应用、机械电子和电气自动化领域工作的工程技术人员阅读，也可作为大专院校工业自动化、自动控制、机械电子、自动化仪表、计算机应用等专业的数学参考书。
全书以机器人为对象，共分10章，包括先进PID控制、神经网络自适应控制、模糊自适应控制、迭代学习控制、反演控制、滑模控制、自适应鲁棒控制、系统辨识和路径规划。
每种方法都给出了算法推导，实例分析和相应的MATLAB仿真设计程序。
本书各部佞内容既相互联系又各自独立，读者可根扭需要选择学习，本书适用于从事生产过程自动化、计算机应用、机械电子和电气自动化领域工作的工程技术人员阅读，也可作为大专院校工业自动化、自动控制、机械电子、自动化仪表、计算机应用等专业的数学参考书。
2017/9/1 7:54:15
33.57MB
1
MPU6050卡尔曼滤波算法及其推导过程，网上大部分都是只是代码，虽然可以用但是用起来总感觉怪怪的，特推导一下，如有错误请及时提示，以免后来者再次犯错
2019/7/2 12:56:04
312KB
1
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