由于协作机器人的结构比普通工业机器人更为轻巧，一般动力学模型所忽略的复杂特性占比较大，导致协作机器人的计算预测力矩误差较大。据此提出在考虑重力、科里奥利力、惯性力和摩擦力等的基础上，采用深度循环神经网络中的长短期记忆模型对自主研发的六自由度协作机器人动力学模型进行误差补偿。在实验中采用优化后的基于傅里叶级数的激励轨迹驱动机器人运动，以电机电流估算关节力矩，获取的原始数据用来训练长短期记忆模型(LSTM)补偿网络。网络的训练结果和评价指标为预测力矩相比实际力矩的均方根误差。计算与实验结果表明，补偿后的协作机器人动力学模型对实际力矩具有更好的预测效果，各轴预测力矩与实际力矩的均方根误差相比于未补偿的传统模型降低了61.8%至78.9%不等，表明了文中所提出补偿方法的有效性

 本章讨论通信服务是如何提供给应用进程来使用的。也就是说，讨论各种应用进程通过什么样的应用层协议来使用网络所提供的通信服务。  不同的网络应用的应用进程之间，需要有不同的通信规则。因此在运输层协议之上，需要有应用层协议（Application Layer Protocol）。  应用层的具体内容就是精确定义这些通信规则。  域名系统DNS  文件传送协议  远程终端协议TELNET  万维网WWW  电子邮件  动态主机配置协议DHCP  简单网络管理协议SNMP

针对提高Wi-Fi指纹室内定位技术性能，提出了一种基于卷积神经网络（Convolutional neural networks，CNN）的信道状态信息（Channel state information，CSI）指纹室内定位方法。在离线阶段联合定位环境参考点的幅度差和相位差信息，利用CNN进行训练，保存训练后的CNN网络模型作为指纹；在线阶段，针对不同实验场景，对测试数据的幅度差信息和相位差信息进行加权处理，引入改进的基于概率的指纹匹配算法，利用待定位点的CSI信息并通过CNN网络模型预测待定位点的坐标。此外，为增强算法普适性，针对复杂室内场景，提出了双节点定位方案来提高定位精度。在廊厅和实验室室内两种不同定位场景进行了实验，信息联合定位算法分别获得了24.7 cm和48.1 cm的平均定位误差，验证了基于CNN的CSI幅度差和相位差联合定位算法的有效性

一、网络系统集成 二、Web服务器的基本要求 三、 Windows系列服务器 四、 Windows服务器的安装 五、 Windows服务器常用设置 六、综合布线 七、网络中心机房与常用技术设备 八、网站技术开发

5.1 引言 5.2 用信号流图表示网络结构 5.3 无奶长脉冲响应基本网络结构 5.4 有限长脉冲响应基本网络结构 5.5 状态变量分析法

神经元模型 感知器 网络结构 网络训练 循环网络

掌握UNX、 NETWare和 Windouws nt的 基本组成、相关技术和操作应用。 了解和掌握了网络管理系统的五个管理 功能域及网络管理流程与工具

1.1计算机网络在信息时代的作用 1.2计算机网络的发展过程

网络最优化模型的应用 P241 网络在各种实际背景问题中以各种各样的形式存在。交 通、电子和通讯网络遍及我们日常生活的各个方面，网 络规划也广泛用于解决不同领域中的各种问题，如生产 、分配、项目计划、厂址选择、资源管理和财务策划等 等

网络——赋权图，记D=（V，E，C），其中C={c1，…，cn}， ci为边ei上的权（设ci ）。 网络分析主要内容——最小部分树、最短路、最大流