论文部分内容阅读
为了增强移动机器人在动态环境中的学习和适应能力，提出了一种新的基于改进Elman神经网络的具有学习和记忆功能的机器人行为控制器．并且利用遗传算法来优化神经网络的连接权值，提高了机器人行为的准确性和快速型。仿真实验结果显示．本文提出的方法对机器人的学习和适应能力有很大的提高。
一种基于改进Elman神经网络的机器人行为控制器
【摘 要】
：
为了增强移动机器人在动态环境中的学习和适应能力，提出了一种新的基于改进Elman神经网络的具有学习和记忆功能的机器人行为控制器．并且利用遗传算法来优化神经网络的连接权值，
【机 构】
：
兰州理工大学电信学院
【出 处】
：
微计算机信息
【发表日期】
：
2006年09Z期
其他文献
随着技术的不断发展，在当前这种多厂商、多业务、多技术并存的环境下，传统的将网络设备作为被管理对象的网络管理系统越来越不适应网络业务管理的需要。以传统网管为参考，将网络
针对无线网络带宽抖动和跳变的情况，结合目前比较流行的视频压缩标准H．264，本文通过综合采用前馈码率控制和降低分辨率的码率控制方法来调整码流。实验结果显示：使用该算法不但能
运动估计是帧间视频编码中的关键技术,但现有的快速搜索算法中大都是次优算法,且易陷于局部极小点。针对此问题,提出了一种改进型遗传算法应用于块运动估计中的遗传搜索块匹配运动估计算法(MGSAME)。该方法把块运动向量作为遗传染色体,经过杂交、变异等操作,以便得到全局意义上的最优解,并与经典的全局搜索法、三步搜索法和传统遗传算法(SGA)进行了比较。实验结果显示,该算法不仅有效地解决了局部极小问题,而且
The critical environment is one of the main insufficient to positioning. Geodetic observing systems such as the global positioning system(GPS) and the global navigation satellite systems(GNSS) are rou