人工神经网络控制与matlab仿真神经网络第6章.pptx

神经网络控制 与 MATLAB 仿真; “如果你某天早上醒来发现也许你可以按照一个全新的方式重新生活，你会选择改变吗？” 　　“……” ;爱德华.洛仑兹1979年12月29日在华盛顿的美国科学促进会的演讲：“一只南美洲亚马逊河流域热带雨林中的蝴蝶，偶尔扇动几下翅膀，会在美国的得克萨斯引起龙卷风吗？” ; 神经动力学： 被视为非线性动力系统并特别强调稳定性问题的神经网络的主题，称为神经动力学。 (Hirsch,1989);定义：动力学系统是状态随时间变化的系统。;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;6.2.2 基于离散Hopfield神经网络的联想记忆;6.2.2 基于离散Hopfield神经网络的联想记忆;6.2.2 基于离散Hopfield神经网络的联想记忆;6.2.2 基于离散Hopfield神经网络的联想记忆;6.2.2 基于离散Hopfield神经网络的联想记忆;6.2.2 基于离散Hopfield神经网络的联想记忆;6.2.2 基于离散Hopfield神经网络的联想记忆;6.2.2 基于离散Hopfield神经网络的联想记忆;第6章 递归神经网络及其控制系统;Hopfield 网络的联想记忆: 网络含有N=120个神经元，因此有N*N-N个突触权值。被用于训练下图的8个数字的黑白图样，每个图样有120个像素。网络中的输入用+1表示黑象素，-1表示白像素。在网络的记忆阶段，8个图样用内积法生成突触权权值矩阵W.后检验从突触权值矩阵中正确恢复它们的能力。;为验证Hopfield 网络的纠错能力，通过使用0.25的概率随机地和独立地从+1到-1反转每一个像素，并反过来进行。这样随机地扭曲一个感兴趣的图样，以此作为网络的探针。理论上讲，网络中120个神经元的四分之一改变状态，所以需要的迭代数量平均值为30;二神经元的Hopfield神经网络。具有如下目标向量：T=[1 -1;-1,1]。用Sim进行测试;随机选取25个初始点进行测试;伪平衡状态;6.2.3 连续Hopfield神经网络;6.2.4 连续Hopfield神经网络;6.2.3 连续Hopfield神经网络;6.2.4 基于连续Hopfield神经网络 的TSP问题求解;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;第6章 递归神经网络及其控制系统;6.3 基于Hopfield网络的PID模型参考自适应控制;6.3 基于Hopfield网络的PID模型参考自适应控制;6.3 基于Hopfield网络的PID模型参考自适应控制;6.3 基于Hopfield网络的PID模型参考自适应控制;6.3 基于Hopfield网络的PID模型参考自适应控制;6.3 基于Hopfield网络的PID模型参考自适应控制;6.3 基于Hopfield网络的PID模型参考自适应控制;6.3 基于Hopfield网络的PID模型参考自适应控制;6.4 递归神经网络;6.4 递归神经网络;6.4 递归神经网络;6.4 递归神经网络;;6.4 递归神经网络;6.4 递归神经网络;6.5 基于递归神经网络辨识的PID控制系统;6.5 基于递归神经网络辨识的PID控制系统;6.5 基于递归神经网络辨识的PID控制系统;6.5 基于递归神经网络辨识的PID控制系统;6.5 基于递归神经网络辨识的PID控制系统;6.5 基于递归神经网络辨识的PID控制系统;6.5 基于递归神经网络辨识的PID控制系统;6.5 基于递归神经网络辨识的PID控制系统;6.5 基于递归神经网络辨识的PID控制系统;6.5 基于递归神经网络辨识的PID控制系统;6.5 基于递归神经网