针对挠性卫星本身存在的参数不确定性和外部扰动的控制问题,设计了以径向基函数神经网络和小脑神经网络为基础的复合变结构智能控制器.该控制器利用变结构控制系统对被控对象的模型误差、参数变化及外扰等的不敏感性的优点,再结合神经网络能够迅速逼近未知函数、泛化能力强的特点,可以适应挠性卫星参数不确定性和抑制外加干扰,实现对挠性卫星的有效控制.仿真结果表明复合控制能够提高卫星姿态的稳态精度和快速性

深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能，已经成为最受关注的研究方向.深度网络模型虽然性能显著，但由于参数量巨大、存储成本与计算成本过高，仍然难以部署到硬件受限的嵌入式或移动设备上.相关研究发现，基于卷积神经网络的深度模型本身存在参数冗余，模型中存在对最终结果无用的参数，这为深度网络模型压缩提供了理论支持.因此，如何在保证模型精度条件下降低模型大小已经成为热点问题.本文对国内外学者近几年在模型压缩方面所取得的成果与进展进行了分类归纳并对其优缺点进行评价，并探讨了模型压缩目前存在的问题以及未来的发展方向

第06讲反向传播网络 给定任意>0和任意L2函数f:[0,1CR→R,存在一个三层BP网络,可以 在任意ε平方误差精度内逼近f。 实现任意N个输入向量构成的任何布尔函数的前向网络所需权系数数目为:

哈尔滨工业大学：《神经网络》课程PPT教学课件（研究生）第2次课 神经网络（钟诗胜）

《人工神经网络应用及原理》课程教学课件（PPT讲稿）第03讲 神经元与网络结构

《人工神经网络应用及原理》课程教学课件（PPT讲稿）第08讲 自组织竞争人工神经网络

利用神经网络对白噪声、红噪声和正弦波进行辨识.进而采用单片机对以上3种噪声和尖峰脉冲干扰进行自适应滤波处理.实验结果表明该方案正确

利用神经网络优化性能指标实现了动态控制,并给出了计算机模拟实例

北京科技大学：《人工神经网络原理与应用 Artificial Neural Networks》课程教学资源（研究实验）单入单出RBF人工神经网络及算法研究

北京科技大学：《人工神经网络原理与应用 Artificial Neural Networks》课程教学资源（研究实验）双入单出BP人工神经网络及算法研究