5.1ML概述 5.2通用模型元素 5.3用例建模 5.4静态建模 5.5动态建模 5.6实现模型

针对一般LMS自适应滤波算法在对系统建模时存在的初始收敛速度、时变系统跟踪能力及收敛精度三个指标难于协调的问题,提出了变论域变步长的LMS自适应滤波算法,并利用李亚普诺夫函数证明了算法的收敛性.研究结果表明,该算法在对系统建模时可以同时兼顾上述三个指标,可用于控制领域的系统及其逆系统建模

介绍了对角递归神经网络,针对BP算法收敛慢的缺点,将递推预报误差学习算法应用到神经网络权值和域值的训练.通过对非线性系统辨识的仿真及在磷化温控系统建模中的应用,验证了这种建模方法的有效性

二维放样、三维建模 、布尔运算是建筑中经常 使用的3大建模途径。对公 共建筑物的建模是本课的 重点部分

◆ 5.1 结构化需求分析的由来 ◆ 5.2 结构化分析模型的组成 ◆ 5.3 数据建模 ◆ 5.4 功能建模 ◆ 5.5 行为建模 ◆ 5.6 数据词典 ◆ 5.7 软件需求规格说明书

为了实时获得冷轧带钢酸洗溶液的浓度值,便于进行酸浓度控制,采用软测量方法实时预测酸浓度.由于酸浓度建模数据中无关成分和特异点会影响模型精度,利用正交信号校正和稳健回归相结合的方法来建立酸浓度预测模型首先利用正交信号校正对建模数据进行预处理,去除自变量中与因变量无关的成分;然后采用基于迭代加权最小二乘的稳健回归算法进行建模,降低特异点对模型的影响;最后将预测结果和多元线性回归、传统稳健回归方法和正交信号校正多元线性回归进行比较.实验结果表明:采用正交信号校正-稳健回归方法后,模型预测能力得到提高,与多元线性回归结果相比,亚铁离子质量浓度和氢离子质量浓度的相对预测误差分别从1.82%降低到1.17%、从5.87%降低到4.73%.本文提出的方法具有更好的模型预测精度,可以满足工业应用要求

本章讲述 Verilog HDL中的结构建模方式。结构建模方式用以下三种实例语句描述: Gate实例语句 UDP实例语句 Module实例语句

针对机器人谐波减速器关节在转动过程中存在的波动摩擦力矩, 提出一种基于傅里叶级数函数和BP神经网络的建模方法, 并完善机器人的动力学模型, 修正了因波动摩擦力矩带来的关节力矩计算误差. 通过研究谐波减速器关节的波动摩擦力矩在不同影响因素下的变化特性, 采用傅里叶级数与BP神经网络结合的方法对波动摩擦力矩进行建模. 通过添加傅里叶级数函数作为BP神经网络的辅助输入, 克服了力矩误差曲线因存在高频周期性波动而难以拟合的困难. 在离线环境下训练神经网络, 完成对关节波动摩擦力矩的建模, 进而完善机器人的动力学模型和修正关节中存在的波动摩擦力矩. 验证实验表明, 使用完善后的动力学模型可以有效计算谐波减速器关节的波动摩擦力矩, 并使修正后的力矩误差维持在[-0.5, 0.5] N·m的范围之内, 方差为0.1659 N2·m2, 是修正前的24.23%

第二章 旋钮建模加工全过程 本章将用旋钮实例来综合说明在 MasterCA应用中整个CAM过程,即从旋钮的 建模开始到加工的全过程。以此来初步了解 MasterCAM的Cd/CAM功能

第一节 有关自然数的几个模型 第二节 状态转移问题 第四节 比例与函数建模