中文版 | English

在结果中检索

CASIA OpenIR

浏览/检索结果: 共13条，第1-10条 帮助

限定条件    
已选(0)清除 条数/页：   排序方式：
Event-based input-constrained nonlinear H infinity state feedback with adaptive critic and neural implementation 期刊论文
NEUROCOMPUTING, 2016, 卷号: 214, 期号: *, 页码: 848-856
作者:  Wang, Ding;  Mu, Chaoxu;  Zhang, Qichao;  Liu, Derong
浏览  |  Adobe PDF(1090Kb)  |  收藏  |  浏览/下载：347/135  |  提交时间：2017/02/14
Adaptive Critic Learning (Acl)  Adaptive Dynamic Programming (Adp)  Event-based Control  Hamilton-jacobi-isaacs (Hji) Equation  Input Constraints  Neural Networks  Nonlinear H-infinity Control  State Feedback  
Decentralized guaranteed cost control of interconnected systems with uncertainties: A learning-based optimal control strategy 期刊论文
NEUROCOMPUTING, 2016, 卷号: 214, 页码: 297-306
作者:  Wang, Ding;  Liu, Derong;  Mu, Chaoxu;  Ma, Hongwen
Adobe PDF(1113Kb)  |  收藏  |  浏览/下载：382/120  |  提交时间：2017/02/14
Adaptive Dynamic Programming  Decentralized Control  Guaranteed Cost Control  Interconnected Systems  Learning Control  Neural Networks  Optimal Control  Uncertain Plant  
Model-Free Optimal Tracking Control via Critic-Only Q-Learning 期刊论文
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, 2016, 卷号: 27, 期号: 10, 页码: 2134-2144
作者:  Luo, Biao;  Liu, Derong;  Huang, Tingwen;  Wang, Ding;  Luo,Biao
浏览  |  Adobe PDF(1521Kb)  |  收藏  |  浏览/下载：571/284  |  提交时间：2016/10/24
Critic-only Q-learning (Coql)  Model-free  Nonaffine Nonlinear Systems  Optimal Tracking Control  
三维重建中的算法研究 学位论文
, 北京: 中国科学院大学, 2016
作者:  张明
Adobe PDF(4697Kb)  |  收藏  |  浏览/下载：475/16  |  提交时间：2016/06/22
Cayley 变换  摄像机自标定  分层重建  直线三角化  基本矩阵估计  
基于图像的城市场景三维模型重建 学位论文
, 北京: 中国科学院研究生院, 2016
作者:  隋伟
Adobe PDF(54849Kb)  |  收藏  |  浏览/下载：474/10  |  提交时间：2016/06/24
城市数字化  基于图像的模型重建  结构保持的模型重建  运动恢复 结构  多视角立体技术  图拉普拉斯  平面分割  表面重建  纹理映射  
Value Iteration Adaptive Dynamic Programming for Optimal Control of Discrete-Time Nonlinear Systems 期刊论文
IEEE TRANSACTIONS ON CYBERNETICS, 2016, 卷号: 46, 期号: 3, 页码: 840-853
作者:  Wei, Qinglai;  Liu, Derong;  Lin, Hanquan;  Derong Liu
浏览  |  Adobe PDF(2015Kb)  |  收藏  |  浏览/下载：373/162  |  提交时间：2016/06/14
Adaptive Critic Designs  Adaptive Dynamic Programming (Adp)  Approximate Dynamic Programming  Neural Networks  Neuro-dynamic Programming  Optimal Control  Reinforcement Learning  Value Iteration  
Online identifier–actor–critic algorithm for optimal control of nonlinear systems 期刊论文
OPTIMAL CONTROL APPLICATIONS AND METHODS, 2016, 页码: 1-22
作者:  Lin Hanquan;  Wei Qinglai;  Liu Derong
浏览  |  Adobe PDF(2888Kb)  |  收藏  |  浏览/下载：425/142  |  提交时间：2016/06/20
Adaptive Dynamic Programming  Optimal Control  Discrete-time  Nonlinear System  
Neuro-optimal tracking control for a class of discrete-time nonlinear systems via generalized value iteration adaptive dynamic programming approach 期刊论文
SOFT COMPUTING, 2016, 卷号: 20, 期号: 2, 页码: 697-706
作者:  Wei, Qinglai;  Liu, Derong;  Xu, Yancai;  Qinglai Wei
浏览  |  Adobe PDF(790Kb)  |  收藏  |  浏览/下载：429/159  |  提交时间：2016/06/14
Adaptive Dynamic Programming  Approximate Dynamic Programming  Adaptive Critic Designs  Optimal Control  Neural Networks  Nonlinear Systems  Reinforcement Learning  
Data-Driven Zero-Sum Neuro-Optimal Control for a Class of Continuous-Time Unknown Nonlinear Systems With Disturbance Using ADP 期刊论文
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, 2016, 卷号: 27, 期号: 2, 页码: 444-458
作者:  Wei, Qinglai;  Song, Ruizhuo;  Yan, Pengfei
浏览  |  Adobe PDF(2204Kb)  |  收藏  |  浏览/下载：404/137  |  提交时间：2016/06/14
Adaptive Critic Designs  Adaptive Dynamic Programming (Adp)  Approximate Dynamic Programming  Neurodynamic Programming  Nonlinear Systems  Optimal Control  Recurrent Neural Network (Rnn)  Reinforcement Learning  
Online approximate solution of HJI equation for unknown constrained-input nonlinear continuous-time systems 期刊论文
INFORMATION SCIENCES, 2016, 卷号: 328, 页码: 435-454
作者:  Yang, Xiong;  Liu, Derong;  Ma, Hongwen;  Xu, Yancai
浏览  |  Adobe PDF(833Kb)  |  收藏  |  浏览/下载：404/115  |  提交时间：2016/01/18
Adaptive Dynamic Programming  Hamilton-jacobi-isaacs Equation  Input Constraint  Neural Network  Optimal Control  Reinforcement Learning