Indexed by：
Abstract：
构建了用于倒立摆平衡控制的神经网络学习模型.该模型利用可生长结构神经网络的优势,不需要预先规定网络的结构和规模,便可以在学习过程中根据需要生长.基于可生长结构的神经网络将监督与无监督学习结合,能够快速学习刺激与响应之间的潜在关系.该神经网络离线进行监督学习,训练后作为控制器作用于倒立摆系统,构成基于可生长结构的倒立摆控制模型.以Matlab为开发工具进行了仿真实验.仿真结果表明,该模型能够完成一级倒立摆平衡控制任务,并验证了其有效性和抗干扰能力.
Keyword：
Reprint Author's Address：
Email：
Source ：
控制工程
ISSN： 1671-7848
Year： 2007
Issue： 5
Volume： 14
Page： 485-487
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 7
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
