摘要： 考虑一般的光滑线性时变系统 $$\begin{array}{}\text{(1)}& \dot{x}=A(t)x+b(t)u\end{array}$$ 其中控制输入选取为$u=K(t)x+u_d(t)$。 找到一个压缩变化$\delta z=\mathrm{\Theta }(t)\delta x$得到一般的雅克比矩阵$F$为 $$F= 阅读全文

摘要： 径向基神经网络可以用来逼近非线性函数$F(x)$，我们设$F(x)={\theta }^{T}S(x)+\delta (x)\text{(}。\mathrm{其}\mathrm{中}，\text{)}{\theta }^T$为权重向量，$S(x)\text{(}\mathrm{为}\mathrm{径}\mathrm{向}\mathrm{基}\mathrm{函}\mathrm{数}。\text{)}\delta (x)$为估计误差。 选取代价函数为 \[ J(\theta)=\frac{1}{2}(F 阅读全文