2020.1.30-自主学习

因新冠疫情滞留家中,学生调整学习计划,深入研究运筹学及计算机科学。通过自学运筹学,理解了将复杂问题转化为数学模型以求最优解的过程;同时,尽管进度缓慢,仍坚持计算机编程的学习,体现了自律与坚持。

本来前天是要返回廊坊继续寒假学习的,但是因为新型冠状病毒闹得很严重,疫情还在发展,纪老师和米老师为了我们的安全,让我们先不用返回壹佰学习,然后这是这两天在家里学习的一点收获。
首先,是自考方面,学习了运筹学第一章,第二遍读书和第一遍就大不相同了,这次我们需要知道书中的内容,然后根据自己学到的画出自己的导图,方便自己的记忆。
在这里插入图片描述
然后第一章的话我自己的理解就是对整本书的一个铺垫吧,我感觉可以这么说,首先运筹学就是说对一个事情我把这个事情的各种关系转换成模型,然后在计算这个模型的可行性,或者说是有几种可行的方法。最后根据客观条件结合自己的主观意愿,找出最优解,再去完成它。
在一个就是计算机方面,由于自己太懒了,所以可能进度有一点慢,正在努力赶进度。所以也没啥可分享的。
最后就是现在我们在家里待着就已经是在为社会做贡献了。大家应该尽量减少出门以及朋友聚会。希望这个病情尽快好起来,武汉加油,中国加油!

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论 12
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值