神经网络对复杂系统:理论和应用程序

---

在过去的几十年里,神经网络(NN)已经成功地用于广泛的应用程序作为工业和学术团体的共同努力。以其强大的逼近能力,神经网络已经被利用成许多有前途的领域,如建模和识别复杂和非线性系统优化和自动控制。组件与一个复杂的系统集成可能相互作用,给控制带来困难。因此,研究复杂系统正变得越来越重要的在自然科学和社会科学。在这个特殊的问题,我们汇集了一些重要的作品。作者调查了各种应用程序的广泛的复杂系统,如机器人和运输系统,也取得了一些进展基本理论研究。

领域的机器人技术,y江等人调查和调查艺术基于神经网络的机器人学习的状态和控制应用程序。在这部作品中,作者总结了最近的进展在机器人神经网络和他们的应用程序,例如,基于神经网络的机器人机械手控制,基于神经网络的人工机器人交互,基于神经网络的行为识别和生成。高g等人提出了一个建模和误差补偿方法关节臂坐标测量机(AACMM)基于BP神经网络,这显示,97% AACMM可以删除后的误差补偿。z郭等人派生一个多输入多输出复杂非线性动态模型充分描述连续变刚度致动器(SVSAs),提出了一个NN-based基于反馈线性化处理系统的自适应控制策略的不确定性。r·梅和c . Yu提出了一种自适应神经输出反馈控制方案不确定机器人机械手具有输入饱和使用径向基函数神经网络(时滞)大小和扰动观测器。m .王等人开发了一种动态不确定的学习方法链接机器人未知系统动力学和实现预定义的性能属性链接上角的位置和速度跟踪错误。在另一个工作,m .王等人关注神经学习自适应神经控制(ANC)的一类具有未知的灵活的关节机械手动力学下的输出跟踪误差约束。x张等人提出了一个技能学习方法通过perception-action集成策略从分层时间记忆的角度(HTM)理论。b .徐张平提出了滑模控制而自适应设计开发使用神经网络(NNs)和扰动观测器(捐赠)小说更新法律NN和强加于人。l .王等人提出了一个三层感知框架基于转移学习中提高移动机器人的环境感知能力语义导航。

在复杂系统控制问题,l .歌等人使用联邦卡尔曼滤波器(FKF)基于神经网络的速度和姿态匹配传递对准的。l . Ma和d·李提出一种自适应神经网络控制方法的直流(DC)与全状态约束系统。j·丁使用分层识别原理提出分层的基于梯度的迭代(H-GI)算法和分层的基于最小二乘法的迭代(H-LSI)算法。徐和张平调查一种自适应神经滑模控制器对MEMS陀螺仪minimal-learning-parameter技术。c·李等人提出了一个复合系统建模的方法来近似实际的车辆系统。S.-M。陆和D.-J。李提出一种自适应神经网络控制问题的一类非线性液压伺服系统时变状态约束。y阴等人提出了一种新的神经网络滑模控制基于multicommunity双向传动协同搜索算法(M-CBDCS)设计一个飞行控制器执行四旋翼飞机倾斜的姿态跟踪控制(QTRA)。z李等人提出了一个总体框架的非线性复发性神经网络在线解决广义线性矩阵方程(GLME)和全局收敛性属性。 S. Tronci and R. Baratti presented a gain-scheduling design technique that relies upon neural models to approximate plant behaviour. J.-E. Zhang showed that every subnetwork of a class of coupled fractional-order neural networks consisting of相同的子网可以有 本地Mittag-Leer稳定平衡。毛泽东和f . z赵研究不同的无量纲板长度和阻尼值的影响在人民运动联盟在流量不变的情况下。

领域的交通、l .王等人构建城市交通一体化的仿真平台,提出一个可行的数据分析,学习基于时滞。大小和参数标定方法美国陈等人开发了一个multiconstrained网络密集的车辆路径算法基于自适应蚁群算法。d .锣等人研究了将复杂网络的同步问题,间隔延迟和提出了一系列有用的理论。y . e .邵等人提出了一个基于two-NN计划提高准确识别速率(空气)MCCPs对扰动进行降维分类。

复杂系统的性质、生物学、人体、r . Rao s钟调查反应扩散的随机指数稳定脉冲随机细胞神经网络(CNN)。美国Romoli等人提出了一个在线状态估计基于时滞解决大小问题缺乏网络信息在某些生物过程变量和建模和参数不确定性的存在。h .周等人提出了一个大规模的神经电路模型,表明平行兴奋和抑制性通路基础学习跨多个脑区神经反应。z肖等人提出了一个BP神经网络预测的水产养殖溶解氧。c . s .下巴等人使用转移学习和深卷积神经网络(CNN)对污染图像进行图像识别分类检测污染种类和密度的表面污垢。

在分类、优化和诊断的一个复杂的系统问题,j .王等人使用限定时间稳定与RBF神经网络控制方法抑制结构振动。一个。莫累拉等人描述了试验研究的适用性深层神经网络三个自动人口问题。w .田等人提出了一种优化方法的设计布局的一个自治水下机器人(AUV)舰队以减少阻力。问:王等人提出的半活性非光滑控制算法与深度学习抑制有害影响建筑结构的表面运动。w·刘等人利用时滞模型分析的影响大小六股票收购大学赚钱(uso)。j·马等人介绍了厂商multikernel功能和机制构建止回阀的故障诊断模型的基础上,厂商multikernel极端学习机(MKL-CS-ELM)。

所选论文的特殊问题不可能涵盖所有神经网络技术对复杂系统的最新进展,然而,他们现在最先进的进步在这一领域。我们希望这些有价值的论文可以在复杂系统社区来丰富知识,指导读者对这个话题感兴趣。

确认

客人编辑要感谢和欣赏作者和评论者的贡献的成功这个特殊的问题。

晨光杨
京娜
光李
延安李
纯平钟

版权

版权©2018杨晨光et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。