搜索资源列表
IDASimulation
- 本文针对SLAM数据关联中使用最为广泛的最近邻方法作了改进，利用特征估计位置与载体预测位置之间的欧氏距离计算代替了全部特征与每个量测之间的马氏距离计算，避免了大量的矩阵乘法计算。该算法简单易行，降低了算法的计算复杂度，有利于SLAM算法的实时执行，且关联效果与全局最近邻法相同-In this paper, SLAM data association in the most widely used methods of improving the nearest neighbor, using t
jsjy20070288
- :针对遗传算法易陷入局部最优的不足,在标准遗传算法基础上加入了三个新的操作- 复原、重构和录优操作,使改 进后的遗传算法收敛于全局最优,并在此基础上以路边约束、动态避障和路径最短作为适应度函数,提出了动态避障的路径 规划方法。通过实验仿真验证了算法的有效性、准确性和实时性,并与基于以往的遗传算法的路径规划方法进行比较,结果 表明本文提出的方法在产生的路径长度和算法运行时间上都具有更优的性能。-: Genetic algorithm for the lack of easy to
20110619-1
- 针对BP神经网络存在的缺点，本文利用遗传算法能够收敛到全局最优解而 且遗传算法鲁棒性强的特点将遗传算法同神经网络结合起来，不仅能发挥神经网 络的泛化映射能力，而且使神经网络具有很快的收敛性以及较强的学习能力。为 了验证遗传算法优化BP神经网络的有效性，本文将此算法应用到直线一级倒立 摆的稳定控制中，同时利用UbVIEW语言界面开发能力强，并且数据输入、网 络通信、硬件控制简单的优点，制作了倒立摆的仿真控制和实时控制软件。仿真 研究表明，遗传算法优化BP神经网络的控制器设计
11
- RBF网络的学习过程与BP网络的学习过程类似，两者的主要区别在于各使用不同的作用函数。BP网络中隐层使用的是Sigmoid函数，其值在输入空间中无限大的范围内为非零值，因而是一种全局逼近的神经网络；而RBF网络中的作用函数是高斯基函数，其值在输入空间中有限范围内为非零值，因为RBF网络是局部逼近的神经网络。 RBF网络是一种3层前向网络，由输入到输出的映射是非线性的，而隐层空间到输出空间的映射是线性的，而且RBF网络局部逼近的神经网络，因而采用RBF网络大大加快学习速度并避免局部极小问题，
程序1
- 针对移动机器人在海水环境中的三维路径规划问题容易陷入局部最优和收敛慢等瑕疵,根据三维环境全局信息来改进蚁群算法以提高实时性和收敛速度(the ant colony algorithm is improved according to the global information of 3D environment to improve the real-time performance and convergence speed)
基于蚁群算法的二维路径规划算法
- 根据二维环境全局信息来改进蚁群算法以提高实时性和收敛速度(the ant colony algorithm is improved according to the global information of 2D environment to improve the real-time performance and convergence speed)