支持向量机标签_开源鸿蒙跨平台开发者社区

支持向量机

（DQN）Deep Q Learning深度学习神经网络优化解决二维栅格地图路径规划研究（Matlab代码实现）

本文聚焦于二维栅格地图路径规划问题，深入探讨深度Q学习（DQN）算法在该领域的应用及神经网络优化策略。通过构建基于DQN的路径规划模型，结合经验回放、目标网络等关键技术，有效解决了传统路径规划算法在复杂环境中的局限性。实验结果表明，优化后的DQN模型在路径规划效率、准确性和适应性方面均表现出显著优势，为智能机器人在复杂环境中的自主导航提供了理论支持与实践参考。

吃兔子的大脑腐
2026-01-03 10:40:13

 563

 27

#深度学习 #神经网络 #matlab +1
【2025年最好创新的KAN网络模型】KAN、CNN-KAN、CNN-LSTM-KAN、LSTM-KAN、TCN-KAN、LSTM-KAN、Transformer-KAN比较（Python代码实现）

本文以西安市2025年每小时PM2.5浓度预测为基准任务，系统比较了六种基于Kolmogorov-Arnold Networks（KAN）的创新混合架构：KAN、CNN-KAN、CNN-LSTM-KAN、LSTM-KAN、TCN-KAN和Transformer-KAN。通过理论分析与实验验证，揭示了不同架构在时间序列建模中的性能差异及适用场景。实验表明，Transformer-KAN在长程依赖建模

 抬头望远方
2026-01-20 08:35:31

 457

 15

#cnn #lstm #transformer +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 数学建模与科研
2025-09-07 01:22:19

 324

 4

#无人机 #算法 #matlab +1
基于Q-learning算法在能源市场中实现效益最大化研究（Matlab代码实现）

随着全球能源结构转型和智能电网技术发展，能源市场呈现高度动态化与不确定性特征。传统基于规则的交易策略难以适应复杂市场环境，而Q-learning算法凭借其无模型学习、动态适应性和鲁棒性优势，成为优化能源交易决策的重要工具。本文系统阐述Q-learning算法原理，构建面向能源市场的马尔可夫决策过程（MDP）模型，通过仿真实验验证其在电力交易、微电网运营等场景中的效益优化能力，并提出深度强化学习、多

 F_Matlab
2026-03-08 00:50:35

 194

 2

#算法 #能源 #matlab +1
基于KPCA和SVM的人脸识别研究（Matlab代码实现）

基于Kernel Principal Component Analysis (KPCA) 和 Support Vector Machines (SVM) 的人脸识别研究，是模式识别和计算机视觉领域中的一个重要课题。这种方法结合了非线性降维与强大的分类能力，提高了人脸识别系统的准确性和鲁棒性。

程序猿鑫
2025-08-11 09:21:32

 254

 4

#支持向量机 #matlab #机器学习
机器学习中的支持向量机（SVM）

支持向量机（SVM）是一种监督学习算法，主要用于分类任务。其核心思想是通过寻找最优超平面来最大化不同类别间的间隔距离，其中靠近超平面的关键数据点称为支持向量。SVM通过核技巧处理非线性可分数据，常用核函数包括线性核、多项式核和径向基函数（RBF）核。Python实现中可使用scikit-learn库，需注意参数调优（如正则化参数C和核参数）对模型性能的影响。SVM优势在于高维数据处理能力强、内存效

 小鸡吃米
2026-01-05 08:09:03

 1245

 14

#支持向量机 #机器学习 #算法
基于核密度估计Kernel Density Estimation, KDE的数据生成方法研究（Matlab代码实现）

数据准备收集目标分布的样本数据（如图像像素值、金融时间序列）。数据预处理：清洗异常值、归一化（如缩放至[0,1]范围）。KDE计算选择核函数（如高斯核）和带宽（如交叉验证优化）。估计概率密度函数 f^(x)。数据采样直接采样法：从 f^(x) 中直接生成样本（需密度函数可解析表达）。接受-拒绝采样法：通过辅助分布生成候选样本，按接受概率筛选。马尔可夫链蒙特卡罗（MCMC）：构建马尔可夫链收敛至

 T
2025-09-30 02:50:34

 784

 20

#matlab #算法 #人工智能 +1
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法，用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪（Matlab代码实现）

摘要本文提出了一种基于神经网络的（NN-based）数据驱动迭代学习控制（ILC）算法，用于具有未知模型和重复任务的非线性单输入单输出（SISO）离散时间系统的跟踪问题。控制目标是使系统的输出在每次迭代过程中跟踪参考轨迹。因此，在每次迭代过程的每个相对时间点上，使用广义回归神经网络（GRNN）作为估计器来解决系统的关键参数，并使用径向基函数神经网络（RBFNN）作为控制器来解决控制输入。

老杰爱编程
2025-11-28 05:30:52

 386

 3

#神经网络 #学习 #算法 +1
【负荷预测】基于LSTM-Attention、蜣螂优化DBO-LSTM-Attention的负荷预测研究（Python代码实现）

蜣螂优化算法（DBO）蜣螂优化算法是一种基于仿生学原理的优化算法，灵感来源于蜣螂在寻找食物和交配过程中的行为。该算法具有较强的全局搜索能力和较快的收敛速度，适用于优化深度学习模型的参数和结构。长短期记忆网络（LSTM）LSTM是循环神经网络（RNN）的一种变体，特别擅长处理长距离依赖问题。在负荷预测中，LSTM能够捕捉时间序列数据中的长期依赖和季节性模式，提高预测的准确性。注意力机制（Attent

ssswww56
2025-07-12 14:11:26

 438

 3

#lstm #python #人工智能 +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 yyds_2201
2025-09-05 20:32:31

 913

 17

#无人机 #算法 #matlab +1
【安全密钥】对基尔霍夫-洛-约翰逊噪声（KLJN）安全密钥交换协议的统计随机数生成器攻击（Matlab代码实现）

KLJN协议通过物理层机制实现了理论上的无条件安全性，但其实际安全性高度依赖RNG的质量和物理实现的完善性。针对RNG的统计攻击揭示了协议在非理想条件下的脆弱性，未来的研究方向需聚焦于RNG安全增强、多维度物理参数优化以及新型攻击模型的动态防御。尽管存在挑战，KLJN在智能电网、硬件安全模块等领域的应用潜力仍值得深入探索。📚2 运行结果部分代码：N = 1;%else%end。

数学建模与科研
2025-10-14 01:26:03

 403

 8

#安全 #matlab #网络 +1
【HLOA-BP】基于角蜥蜴算法优化BP神经网络的风电功率预测研究（Matlab代码实现）

基于角蜥蜴算法（Horned Lizard Optimization Algorithm, HLOA）优化BP神经网络的风电功率预测研究是一个结合了新型智能优化算法与经典神经网络模型的前沿探索。

m0_58086403
2025-08-14 03:20:15

 977

 14

#支持向量机
基于核密度估计Kernel Density Estimation, KDE的数据生成方法研究（Matlab代码实现）

数据准备收集目标分布的样本数据（如图像像素值、金融时间序列）。数据预处理：清洗异常值、归一化（如缩放至[0,1]范围）。KDE计算选择核函数（如高斯核）和带宽（如交叉验证优化）。估计概率密度函数 f^(x)。数据采样直接采样法：从 f^(x) 中直接生成样本（需密度函数可解析表达）。接受-拒绝采样法：通过辅助分布生成候选样本，按接受概率筛选。马尔可夫链蒙特卡罗（MCMC）：构建马尔可夫链收敛至

 天天程序猿
2025-10-12 02:27:23

 247

 3

#matlab #算法 #人工智能 +1
2025年最好创新的CNN-LSTM-KAN网络模型python代码

随着深度学习在时空序列预测领域的广泛应用，传统模型（如CNN、LSTM）在处理复杂非线性关系时面临表达力不足和解释性较差的挑战。本文提出一种融合卷积神经网络（CNN）、长短期记忆网络（LSTM）与Kolmogorov-Arnold Networks（KAN）的创新模型（CNN-LSTM-KAN），通过将KAN网络的可学习激活函数引入传统混合架构，显著提升了模型对多元气象数据的特征提取与时间依赖建模

 T
2026-02-21 02:39:33

 379

 12

#cnn #lstm #python +1
基于Q-learning算法的机器人迷宫路径规划研究（Matlab代码实现）

💥💥💞💞❤️❤️💥💥博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️行百里者，半于九十。

欢多天天写代码
2025-10-13 05:34:28

 770

 30

#算法 #机器人 #matlab +1
基于Q-learning算法在能源市场中实现效益最大化研究（Matlab代码实现）

随着全球能源结构转型和智能电网技术发展，能源市场呈现高度动态化与不确定性特征。传统基于规则的交易策略难以适应复杂市场环境，而Q-learning算法凭借其无模型学习、动态适应性和鲁棒性优势，成为优化能源交易决策的重要工具。本文系统阐述Q-learning算法原理，构建面向能源市场的马尔可夫决策过程（MDP）模型，通过仿真实验验证其在电力交易、微电网运营等场景中的效益优化能力，并提出深度强化学习、多

 2501_92941428
2025-10-08 04:18:33

 942

 26

#算法 #能源 #matlab +1
【水下机器人建模】基于QLearning自适应强化学习PID控制器在AUV中的应用研究（Matlab代码实现）

因此，本文提出了一种基于QLearning自适应强化学习的PID控制器，旨在提高AUV在不确定环境下的控制性能。具体来说，通过QLearning算法优化PID控制器的参数，使其能够适应不同的环境条件并实现更好的控制性能。在仿真实验中，我们将提出的方法与传统的PID控制器进行了对比。结果表明，基于QLearning的自适应PID控制器在不同的海洋环境下都能够实现更好的控制性能，表现出更高的稳定性和鲁

 荧光Matlab
2025-11-02 07:25:01

 897

 24

#机器人 #matlab #人工智能 +1
（DQN）Deep Q Learning深度学习神经网络优化解决二维栅格地图路径规划研究（Matlab代码实现）

本文聚焦于二维栅格地图路径规划问题，深入探讨深度Q学习（DQN）算法在该领域的应用及神经网络优化策略。通过构建基于DQN的路径规划模型，结合经验回放、目标网络等关键技术，有效解决了传统路径规划算法在复杂环境中的局限性。实验结果表明，优化后的DQN模型在路径规划效率、准确性和适应性方面均表现出显著优势，为智能机器人在复杂环境中的自主导航提供了理论支持与实践参考。

wlz249
2026-01-03 02:38:41

 248

 3

#深度学习 #神经网络 #matlab +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 qq_57231208
2025-09-07 08:30:45

 384

 5

#无人机 #算法 #matlab +1
【多目标钻孔序列优化问题】基于Q-Learning的遗传算法求解多目标钻孔序列优化问题研究（Matlab代码实现）

本研究针对多目标钻孔序列优化问题，提出一种结合Q-Learning与遗传算法的混合优化方法。通过Q-Learning动态调整遗传算法的交叉、变异概率及选择策略，提升算法在复杂地质条件下的全局搜索能力和收敛速度。实验表明，该方法在缩短钻孔路径长度、降低机械损耗及提高安全性方面显著优于传统遗传算法，为工程实践提供了高效解决方案。

wlz249
2025-10-02 02:15:26

 275

 4

#matlab #人工智能 #开发语言 +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 wytm123
2025-10-03 03:08:08

 400

 4

#无人机 #算法 #matlab +1
【故障诊断】基于matlab极限学习机ELM电机故障诊断（Matlab代码实现）

随着工业自动化程度的提升，电机故障诊断对保障生产安全、降低维护成本具有重要意义。极限学习机（Extreme Learning Machine, ELM）作为一种高效单隐层前馈神经网络，因其训练速度快、泛化能力强等优势，在电机故障诊断领域展现出巨大潜力。本文基于MATLAB平台，系统研究了ELM在电机故障诊断中的应用，涵盖数据预处理、特征提取、模型训练及故障识别等关键环节，并通过实验验证了ELM的诊

 wytm123
2025-08-25 02:46:41

 817

 26

#matlab #人工智能 #开发语言 +1
【无人机物流路径规划】基于Q-learning的无人机物流路径规划研究（Python代码实现）

随着电子商务与城市物流需求的爆发式增长，传统地面配送模式面临交通拥堵、成本高昂等瓶颈。无人机物流凭借灵活性与低成本优势，成为解决"最后一公里"配送难题的关键技术。然而，复杂城市环境中的动态障碍物、三维空间结构、气象变化及续航限制，对路径规划算法提出严峻挑战。本文系统研究基于Q-learning的无人机物流路径规划方法，通过三维栅格建模、动态奖励函数设计及多智能体协同框架，实现路径最优性提升40%、

m0_58086403
2025-10-01 03:56:12

 330

 3

#无人机 #python #开发语言 +1
基于核密度估计Kernel Density Estimation, KDE的数据生成方法研究（Matlab代码实现）

数据准备收集目标分布的样本数据（如图像像素值、金融时间序列）。数据预处理：清洗异常值、归一化（如缩放至[0,1]范围）。KDE计算选择核函数（如高斯核）和带宽（如交叉验证优化）。估计概率密度函数 f^(x)。数据采样直接采样法：从 f^(x) 中直接生成样本（需密度函数可解析表达）。接受-拒绝采样法：通过辅助分布生成候选样本，按接受概率筛选。马尔可夫链蒙特卡罗（MCMC）：构建马尔可夫链收敛至

 数学建模与科研
2025-10-12 02:02:35

 280

 5

#matlab #算法 #人工智能 +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 weixin_48529701
2025-09-10 04:54:00

 282

 4

#无人机 #算法 #matlab +1
【无人机】基于PSO-PA和Q-learning机器学习的无人驾驶飞行器（UAV）模拟器研究（matlab代码实现）

本文聚焦于无人驾驶飞行器（UAV）路径规划领域，提出一种融合改进粒子群优化算法（PSO-PA）与Q-learning算法的混合优化策略。通过建立三维动态环境模型，将PSO-PA的全局搜索能力与Q-learning的在线学习能力相结合，实现无人机在复杂场景下的能耗最优路径规划。仿真实验表明，该算法在路径长度、避障成功率及收敛速度等指标上显著优于传统方法，为无人机在物流配送、环境监测等领域的实际应用提

 2501_92824524
2025-12-08 06:27:46

 675

 16

#无人机 #机器学习 #matlab +1
详解Kmeans聚类算法：原理、实现与应用

本文全面介绍了K-means聚类算法，包括其核心概念、算法原理和数学推导。K-means通过迭代划分样本到最近的簇并更新簇中心实现聚类，采用欧氏距离作为相似度度量，以最小化簇内平方和为目标函数。文章详细讲解了传统K-means的初始化问题及K-means++改进方案，通过Python手动实现和sklearn库实现展示了算法应用，并介绍了肘部法则和轮廓系数两种选择最优K值的方法。最后分析了K-mea

一段佳话^cyx
2026-01-05 09:59:56

 3113

 14

#支持向量机 #机器学习 #人工智能
【无人机】基于PSO-PA和Q-learning机器学习的无人驾驶飞行器（UAV）模拟器研究（matlab代码实现）

本文聚焦于无人驾驶飞行器（UAV）路径规划领域，提出一种融合改进粒子群优化算法（PSO-PA）与Q-learning算法的混合优化策略。通过建立三维动态环境模型，将PSO-PA的全局搜索能力与Q-learning的在线学习能力相结合，实现无人机在复杂场景下的能耗最优路径规划。仿真实验表明，该算法在路径长度、避障成功率及收敛速度等指标上显著优于传统方法，为无人机在物流配送、环境监测等领域的实际应用提

 梦想科研社_研学
2025-12-08 02:42:28

 363

 3

#无人机 #机器学习 #matlab +1
【GRNN-RBFNN-ILC算法】【轨迹跟踪】基于神经网络的迭代学习控制用于未知SISO非线性系统的轨迹跟踪（Matlab代码实现）

针对未知单输入单输出（SISO）非线性系统的轨迹跟踪问题，传统控制方法（如PID、模型预测控制）往往因系统非线性建模困难而效果受限。迭代学习控制（ILC）通过重复任务中的误差修正优化控制输入，但其性能依赖于系统模型的精确性。为解决这一问题，结合神经网络（NN）的数据驱动ILC方法被提出，其中广义回归神经网络（GRNN）与径向基函数神经网络（RBFNN）的结合（GRNN-RBFNN-ILC算法）展现

 稷下科研社
2025-10-29 01:24:42

 269

 4

#算法 #神经网络 #学习 +1
基于Q-learning算法和ε-greedy策略解决随机生成的方形迷宫问题（Matlab代码实现）

本文研究了Q-learning算法结合ε-greedy策略在随机生成方形迷宫路径规划中的应用。通过构建离散状态空间、设计多层次奖励函数，并采用动态参数调整机制，实现了智能体在未知环境中的高效寻路。实验结果表明，该算法在10×10迷宫中经过1500次迭代后，路径成功率达到98%，平均步长较传统A*算法缩短23%。研究验证了强化学习在动态路径规划中的适应性优势。

ssswww56
2025-10-07 04:06:44

 426

 3

#算法 #matlab #人工智能 +1
【电力系统】MATLAB环境下基于神经网络的电力系统稳定性预测研究（Matlab代码实现）

本研究聚焦于MATLAB环境下利用神经网络技术预测电力系统稳定性，通过构建多层神经网络模型，分析不同负荷条件下的系统稳定状态。实验表明，神经网络在电力系统稳定性预测中展现出高精度和强适应性，能够有效捕捉系统动态特性，为电力调度提供可靠依据。研究采用BP神经网络和GRNN神经网络两种模型，结合电力系统历史数据，验证了神经网络在处理复杂非线性问题中的优势。电力系统稳定性指系统在遭受扰动后，能否恢复到原

 程序猿鑫
2025-08-26 00:43:19

 365

 4

#matlab #神经网络 #人工智能 +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 稷下科研社
2025-10-03 01:30:43

 255

 5

#无人机 #算法 #matlab +1
【变分高斯Copula推断】基于Bernstein多项式的非参数转换则在描述单变量边缘后验时提供了充分的灵活性（Matlab代码实现）

我们利用copula构建了一个统一的框架，用于在层次贝叶斯模型中构建和优化变分提议。针对具有连续且非高斯隐藏变量的模型，我们提出了一种半参数化和自动化的变分高斯copula方法，其中参数化的高斯copula族能够保留多变量后验依赖性，而基于Bernstein多项式的非参数转换则在描述单变量边缘后验时提供了充分的灵活性。关键词：统计学 - 机器学习计算机科学 - 学习统计学 - 计算本文提出了一

 荧光Matlab
2025-09-22 03:57:35

 673

 10

#matlab #人工智能 #开发语言 +1
2025年最好创新的CNN-LSTM-KAN网络模型python代码

随着深度学习在时空序列预测领域的广泛应用，传统模型（如CNN、LSTM）在处理复杂非线性关系时面临表达力不足和解释性较差的挑战。本文提出一种融合卷积神经网络（CNN）、长短期记忆网络（LSTM）与Kolmogorov-Arnold Networks（KAN）的创新模型（CNN-LSTM-KAN），通过将KAN网络的可学习激活函数引入传统混合架构，显著提升了模型对多元气象数据的特征提取与时间依赖建模

 wytm123
2026-02-21 02:28:27

 409

 11

#cnn #lstm #python +1
【2026_MCM美赛】问题A：智能⼿机电池放电建模（思路、代码、论文持续更新中）

Smartphones are indispensable tools in modern life, yet their battery behavior often seemsunpredictable. On some days a phone may last the whole day; on other days it drains rapidlybefore lunch. Altho

qq_57231208
2026-01-31 03:30:07

 368

 11

#支持向量机
基于数据驱动的 Koopman 算子的递归神经网络模型线性化，用于纳米定位系统的预测控制研究（Matlab代码实现）

本研究针对纳米定位系统（如压电致动器PEAs）中非线性动力学特性导致的控制带宽受限问题，提出一种基于数据驱动的Koopman算子与递归神经网络（RNN）结合的线性化方法。通过构建高维线性嵌入空间，将非线性系统转化为全局线性模型，并应用于模型预测控制（MPC）框架。实验结果表明，该方法在轨迹跟踪和纳米压痕控制中显著提升了跟踪精度与控制带宽，相较于传统泰勒级数线性化方法，误差降低40%以上，控制带宽扩

 吃兔子的大脑腐
2025-08-12 10:08:27

 554

 29

#神经网络 #matlab #人工智能 +1
【GRNN-RBFNN-ILC算法】【轨迹跟踪】基于神经网络的迭代学习控制用于未知SISO非线性系统的轨迹跟踪（Matlab代码实现）

针对未知单输入单输出（SISO）非线性系统的轨迹跟踪问题，传统控制方法（如PID、模型预测控制）往往因系统非线性建模困难而效果受限。迭代学习控制（ILC）通过重复任务中的误差修正优化控制输入，但其性能依赖于系统模型的精确性。为解决这一问题，结合神经网络（NN）的数据驱动ILC方法被提出，其中广义回归神经网络（GRNN）与径向基函数神经网络（RBFNN）的结合（GRNN-RBFNN-ILC算法）展现

 茜姐_博客
2026-02-20 06:05:43

 922

 11

#算法 #神经网络 #学习 +1
【强化学习应用(八)】基于Q-learning的无人机物流路径规划研究（Python代码实现）

无人机物流作为解决"最后一公里"配送难题的关键技术，其路径规划需应对复杂城市环境中的动态障碍物、天气变化、续航限制等挑战。基于Q-learning的强化学习算法通过无模型学习机制，在无需预先构建环境模型的情况下，可自适应动态调整路径策略。本文系统梳理了Q-learning在无人机物流路径规划中的技术实现路径，结合三维栅格建模、多目标奖励函数设计、动态探索策略等关键技术，验证了其在路径最优性、收敛速

 m0_58086403
2025-09-11 09:52:14

 421

 4

#无人机 #python #开发语言 +1
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法，用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪（Matlab代码实现）

摘要本文提出了一种基于神经网络的（NN-based）数据驱动迭代学习控制（ILC）算法，用于具有未知模型和重复任务的非线性单输入单输出（SISO）离散时间系统的跟踪问题。控制目标是使系统的输出在每次迭代过程中跟踪参考轨迹。因此，在每次迭代过程的每个相对时间点上，使用广义回归神经网络（GRNN）作为估计器来解决系统的关键参数，并使用径向基函数神经网络（RBFNN）作为控制器来解决控制输入。

m0_58086403
2025-07-09 15:57:04

 1076

 29

#神经网络 #学习 #算法 +1
基于Q-learning算法和ε-greedy策略解决随机生成的方形迷宫问题（Matlab代码实现）

本文研究了Q-learning算法结合ε-greedy策略在随机生成方形迷宫路径规划中的应用。通过构建离散状态空间、设计多层次奖励函数，并采用动态参数调整机制，实现了智能体在未知环境中的高效寻路。实验结果表明，该算法在10×10迷宫中经过1500次迭代后，路径成功率达到98%，平均步长较传统A*算法缩短23%。研究验证了强化学习在动态路径规划中的适应性优势。

qq_57231208
2026-03-08 04:30:24

 161

 5

#算法 #matlab #人工智能 +1
基于密集型复杂城市场景下求解无人机三维路径规划的Q-learning 算法研究（Matlab代码实现）

随着无人机在城市环境中应用的不断拓展，如物流配送、航拍测绘、交通监控等，其三维路径规划问题日益受到关注。密集型复杂城市场景具有障碍物密集、三维空间约束复杂、实时性要求高等特点，传统路径规划算法难以满足需求。Q-learning算法作为一种强化学习方法，具有无需环境模型、通过试错学习等优点，适合应用于此类场景。本文深入研究基于Q-learning算法的无人机三维路径规划方法，通过合理定义状态空间、动

 稷下科研社
2025-12-12 00:46:21

 867

 11

#无人机 #算法 #matlab +1
基于数据驱动的 Koopman 算子的递归神经网络模型线性化，用于纳米定位系统的预测控制研究（Matlab代码实现）

本研究针对纳米定位系统（如压电致动器PEAs）中非线性动力学特性导致的控制带宽受限问题，提出一种基于数据驱动的Koopman算子与递归神经网络（RNN）结合的线性化方法。通过构建高维线性嵌入空间，将非线性系统转化为全局线性模型，并应用于模型预测控制（MPC）框架。实验结果表明，该方法在轨迹跟踪和纳米压痕控制中显著提升了跟踪精度与控制带宽，相较于传统泰勒级数线性化方法，误差降低40%以上，控制带宽扩

 wytm123
2025-12-07 06:24:15

 655

 17

#神经网络 #matlab #人工智能 +1
【鲁棒优化、大M法、C&CG算法】计及风、光、负荷不确定性两阶段鲁棒优化（Matlab代码实现）

长久以来，微网系统面临着可再生能源出力和负荷不确定性且源荷不匹配的重大问可再生能源并网的规模越大。系统的运行模式就越受影响，可再生能源的渗透率也直接或接影响着微网系统稳定性。现阶段微网系统的能源利用率、灵活性及经济性已经达到了较高的水平，但源荷的不确定及不匹配依然是系统面临的重大问题。研究分布式电源以及负荷的特性是微网优化调度问题的关键。早在1950年代，Bellman、Zadeh与Charnes

@橘柑橙柠桔柚
2025-07-18 06:01:35

 558

 18

#c语言 #算法 #matlab +1
【多目标钻孔序列优化问题】基于Q-Learning的遗传算法求解多目标钻孔序列优化问题研究（Matlab代码实现）

本研究针对多目标钻孔序列优化问题，提出一种结合Q-Learning与遗传算法的混合优化方法。通过Q-Learning动态调整遗传算法的交叉、变异概率及选择策略，提升算法在复杂地质条件下的全局搜索能力和收敛速度。实验表明，该方法在缩短钻孔路径长度、降低机械损耗及提高安全性方面显著优于传统遗传算法，为工程实践提供了高效解决方案。

2501_92824524
2025-10-02 08:43:01

 584

 13

#matlab #人工智能 #开发语言 +1
基于核密度估计Kernel Density Estimation, KDE的数据生成方法研究（Matlab代码实现）

数据准备收集目标分布的样本数据（如图像像素值、金融时间序列）。数据预处理：清洗异常值、归一化（如缩放至[0,1]范围）。KDE计算选择核函数（如高斯核）和带宽（如交叉验证优化）。估计概率密度函数 f^(x)。数据采样直接采样法：从 f^(x) 中直接生成样本（需密度函数可解析表达）。接受-拒绝采样法：通过辅助分布生成候选样本，按接受概率筛选。马尔可夫链蒙特卡罗（MCMC）：构建马尔可夫链收敛至

 稷下科研社
2025-09-18 01:57:03

 887

 10

#matlab #算法 #人工智能 +1
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法，用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪（Matlab代码实现）

摘要本文提出了一种基于神经网络的（NN-based）数据驱动迭代学习控制（ILC）算法，用于具有未知模型和重复任务的非线性单输入单输出（SISO）离散时间系统的跟踪问题。控制目标是使系统的输出在每次迭代过程中跟踪参考轨迹。因此，在每次迭代过程的每个相对时间点上，使用广义回归神经网络（GRNN）作为估计器来解决系统的关键参数，并使用径向基函数神经网络（RBFNN）作为控制器来解决控制输入。

欢多天天写代码
2025-07-09 17:45:52

 954

 7

#神经网络 #学习 #算法 +1