多层全连接神经网络.pptVIP

非线性增益pH控制仿真举例仿真实验过程pHsp:6.5↑7.0（在60min时）F1:30↓15L/min（在110min时）pH1:5↓4.5（在160min时）pH2:11↓10.5（在210min时）基于非线性变换的pH控制方案基本思想：通过控制中和过程的酸碱离子浓度，来间接控制pH值；而Zm反映了中和管中的碱酸离子浓度差，当基本条件不变时，它与碱液流量F2成正比，即广义对象近似线性。基于非线性变换的pH控制仿真仿真实验过程pHsp:6.5↑7.0（在60min时）F1:30↓15L/min（在110min时）pH1:5↓4.5（在160min时）pH2:11↓10.5（在210min时）对象非线性增益补偿方法非线性控制阀串级控制变比值控制（控制器）非线性增益的引入（广义对象）非线性变换环节的引入对象参数辨识+控制器增益调整5.3softmax与交叉熵交叉熵是用来衡量两个概率分布的距离（也可以叫差别)。交叉熵数值越小说明两个概率分布越接近。[概率分布：即[0.1，0.5，0.2，0.1，0.1]，每个类别的概率都在0-1，且加起来为1]。若有两个概率分布p(x)和q(x)，通过q来表示p的交叉熵为：*第5章多层全连接神经网络5.4