文摘
英文文摘
声明
第1章绪论
1.1研究背景
1.2神经网络发展过程
1.3研究意义及论文结构
第2章基于梯度法的神经动力学方法
2.1方法概述及其产生的模型
2.2梯度神经动力学方法求解定常矩阵问题
2.2.1问题描述及研究意义
2.2.2线性梯度神经网络收敛性分析
2.2.3非线性梯度神经网络收敛性分析
2.3梯度神经动力学系统求解时变矩阵问题
2.3.1问题描述及研究意义
2.3.2相关理论准备
2.3.3较紧的误差界
2.3.4指数收敛率
2.3.5仿真验证
2.4本章小结
第3章新的神经动力学方法
3.1方法概述及其产生的模型
3.2新型神经动力学方法求解时变矩阵问题
3.2.1问题描述
3.2.2理论分析
3.2.3仿真验证
3.3新型网络使用幂S形函数求解时变问题具有更好的鲁棒性
3.3.1理论分析
3.3.2时变矩阵求逆
3.3.3时变线性方程组
3.4本章小节
第4章仿真技术探讨
4.1涉及的仿真技术
4.1.1激励函数阵列的编码
4.1.2 Kronecker乘积与向量化
4.1.3带质量矩阵的常微分方程
4.1.4矩阵导数的获得
4.2仿真结果
4.3本章小结
第5章重复运动规划方面应用
5.1问题描述
5.2基于二次规划的求解器
5.3计算机仿真验证
5.3.1平面四连杆机器手臂
5.3.2平面五连杆机器手臂
5.3.3平面六连杆机器手臂
5.4重复运动性能指标分析
5.4.1基于梯度下降的方法
5.4.2基于新的神经动力学方法
5.5重复运动规划性能指标的延展
5.5.1 PA10机器手臂
5.5.2 PUMA560机器手臂
5.5.3平面四连杆机器手臂
5.6本章小结
第6章结论
附录
参考文献
致谢