13、以地图形式展示的技术知识

以地图形式展示的技术知识

1. 引言

技术的信息来源多种多样。相关期刊上的出版物,存储在相应数据库或互联网上,对知识探索者和技术发展追踪者来说颇具吸引力。而受保护的技术通常会以专利形式存档,新提交的专利反映了最新技术的状态,其包含的信息对研发部门至关重要。本文聚焦于专利中的技术知识。要评估“特定技术的状态”,需分析大量专利,问题在于如何将这些信息进行综合和结构化,以提取能反映技术状态的相关信息。此外,技术发展与相关公司的联系也备受关注。技术知识可以通过多种方式呈现,目前已开发出不同的内容分析方法,且成效各异。本文将介绍技术知识地图。

我们先对专利内容进行分析,接着引入技术知识地图的概念及其应用于专利的相关系统,该系统能够解答哪种技术由哪家公司主导的问题。

2. 内容分析

文献计量方法用于分析特定技术领域,或通过调查数据库中的文献和专利信息来识别技术领域的专家和领先机构。利用文献计量学可以确定技术发展、不同应用领域和领先专家之间的关系,识别新兴技术并进行未来发展趋势分析。因此,文献计量分析适用于战略决策支持以及日常工作,如研发工作。由于它能够分析大量信息和文档,在其他领域也极为重要,例如公司及其产品的竞争分析、机构和人员的合作行为分析、新闻机构或互联网新闻分析、专利分析或知识管理中内部文档的结构化。

文献计量方法是对电子存储在数据库中的信息进行结构化和分析的工具,其结构化基于对象之间关系的计算和可视化。这些对象可以是文档本身、描述文档内容的关键词,或描述专利技术的国际专利分类(IPC)代码。结构化过程通过计算这些对象之间关系的指标来实现,计算指标时可应用多种模型。

3. 使用BibTechMon™创建知识地图
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
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