111

1111

test



#include<iostream>
#include<string>
#include<sstream>


using namespace std;
char symbol[3][10][4]{0};


void output(int temp, int i){
//int k = 0;
cout << symbol[i][temp - 1];
//while (symbol[i][temp - 1][k] != 0){
// cout << symbol[i][temp - 1][k];
// k++;
//}
}


int main(){

string line;
char ch;
int len[3];
for (int i = 0; i != 3; i++){
getline(cin, line);
istringstream stream(line);
int j = 0, k = 0;
bool beg = false;
while (stream >> ch){
switch (ch){
case '[':
beg = true;
break;
case ']':
beg = false;
j++;
k = 0;
break;
default:
if (beg){
//cout << ch;
symbol[i][j][k] = ch;
k++;
break;
}
}
}
len[i] = j;
}
int n, a, b, c, d, e;
cin >> n;
for (int i = 0; i != n; i++){
cin >> a >> b >> c >> d >> e;
if (a<1||a>len[0]||b<1||b>len[1]||c<1||c>len[2]||d<1||d>len[1]||e<1||e>len[0])
cout << "Are you kidding me? @\\/@"<<endl;
//else
//if (symbol[0][a - 1][0] == 0 ||
// symbol[1][b - 1][0] == 0 ||
// symbol[2][c - 1][0] == 0 ||
// symbol[1][d - 1][0] == 0 ||
// symbol[0][e - 1][0] == 0)
// cout << "Are you kidding me? @\\/@"<<endl;
else
{
output(a, 0);
cout << '(';
output(b, 1);
output(c, 2);
output(d, 1);
cout << ')';
output(e, 0);
cout << endl;
}




}




return 0;
}

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
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