بخشی از پاورپوینت
--- پاورپوینت شامل تصاویر میباشد ----
اسلاید 1 :
- هدف، حرکت دادن دو بازوی سری انعطاف پذير است به طوری که ارتعاش بازوها به حداقل برسد
- از شبکه عصبی RBF برای تعيين گشتاور بازوها استفاده شده است.
اسلاید 2 :
بازشناسی چهره با استفاده از شبکه های عصبی
- هدف، ذخيره سازی چهره اشخاص و بازشناسی آن ها در حالت هايی متفاوت از چهره های ذخيره شده است.
- به دليل حجم بسيار بالای داده ها، نياز به فشرده سازی با استفاده از استخراج ويژگی ها است (مثلاً شبکه هب).
- از شبکه ای شبيه به شبکه MLP برای ذخیره سازی و باز سازی چهره استفاده شد.
اسلاید 3 :
تخمين حالت شارژ باتری ها توسط فيلتر کالمن با استفاده از مدل عصبی
- هدف، تخمين حالت شارژ (مقدار شارژ موجود) در باتری توسط فيلتر کالمن است
- فيلتر کاملن نياز به مدل دقيقی از فرايند دارد که در اين جا از شبکه عصبی RBF استفاده شده است.
اسلاید 4 :
کنترل سرعت و گشتاور موتور سويج رلوکتانس
- هدف، کنترل سرعت موتور سنکرون سوييچ رلوکتانس به همراه کاهش ريپل گشتاور و نويز صوتی است
- از شبکه عصبی RBF برای تخمين مقدار گشتاور لازم استفاده شده است
اسلاید 5 :
کنترل بهينه گشتاور-سوخت در نيروی کششی خودروهای ترکيبی با استفاده از شبکه های عصبی
- هدف، کنترل دور موتور احتراق داخلی در خودروهای ترکيبی است به طوری که خواسته های رانندگی و همچنين حالت شارژ باتری ها حفظ شوند.
- از شبکه عصبی MLP برای تعيين مقدار سوخت بهينه استفاده شده است.
اسلاید 6 :
کنترل سکوی ردياب الکترواپتيکی
- هدف، رديابی اجسام پرنده با شتاب متغير با تغيير مناسب ولتاژ سروموتورها است.
- از شبکه عصبی MLP برای شناسايي و کنترل سکوی ردياب در عمل استفاده شده است.
اسلاید 7 :
کنترل تصوير در پريسکوپ سه درجه آزادی
- هدف، پايدارسازی تصوير در آيينه پريسکوپ مي باشد.
- از شبکه عصبی MLP و شبکه بازگشتی قطری مرتبه دو برای شناسايي و کنترل سکوی ردياب در عمل استفاده شده است.
اسلاید 8 :
اصلاح خطای پرواز با استفاده از فيلتر کالمن و شبکه عصبی
- هدف، اصلاح خطای ناوبری اينرسی در حين پرواز مي باشد.
- از فيلتر کالمن و شبکه عصبی MLPبرای تصحيح خطای پرواز استفاده شده است.
اسلاید 9 :
کنترل ربات های بازو با استفاده از کنترل پيش بين و مدل عصبی
- هدف، حرکت دادن بازوهای ربات در فضای دکارتی است به طوری که ضمن دنبال کردن مسير دلخواه، از موانع نيز اجتناب شود.
- از کنترل پيش بين مدل-مبنا با مدل MLPاستفاده شده است. علاوه بر آن، مدل پيش بينی موانع متحرک نيز توسط يک MLP ديگر انجام شده است.