针对存在不确定性的多机械臂系统,运用RBF神经网络,设计了一种新的滑模同步控制器,解决了多机械臂同步运动问题。根据无向图理论,定义机械臂之间的同步误差和交叉耦合误差。使用自适应律在线更新RBF神经网络权值,逼近并补偿机械臂的运动学不确定性和动力学不确定性。根据Lyapunov方法进行了稳定性分析。最后通过仿真验证了同步控制器的稳定性和有效性。

动员的人体自动测量系统具有高移动性，易于操作和合理的精度。 但是，现有系统专注于准确性和鲁棒性，而不是移动性和便利性。 为了克服这一缺点，这项工作提出了一种动员的自动人体测量系统，该系统使用神经网络（MaHuMS-NN）通过监督学习促进总体测量结果。 基于一般回归NN（GRNN）的MaHuMS-NN选择图像，执行图像处理，对图像进行分割并检测轮廓以提取轮廓中的特征点。 系统测量特征尺寸。 这项工作的重要贡献如下。 首先，MaHuMS-NN是Android平台中第一个用于人体测量的智能系统。 其次，与现有系统不同，MaHuMS-NN可以在优化模型进行预测时进行智能调整，并根据个人特征进行自误差校正。 实验结果表明，与现有系统相比，MaHuMS-NN表现出更好的性能，精度小于0.03 m。

基于神经网络的超临界机组过热汽温设定值优化补偿，知网论文。

恒定时滞下基于神经网络的双边遥距自适应位置跟踪控制

基于神经网络的永磁同步电动机自调整速度控制器的设计与分析。

14篇论文内容分别如下： R-CNN，Fast R-CNN，Faster R-CNN，Cascade R-CNN，Mask R-CNN，Grid R-CNN，R-FCN，YOLO，SSD，FPN，RetinaNet，CornerNet，FoveaBox，Ours

基于神经网络的车牌识别，点击即可运行，内容包含：图像预处理，车牌水平矫正，字符分割，三层神经网络模型训练，字符识别显示，制作了简易的GUI界面，便于输出显示！

针对机械臂轨迹跟踪控制中存在建模误差以及外界干扰造成的控制性能下降问题，提出一种改进的自适应神经滑模控制方法。分别选取状态反馈和改进的神经网络滑模方法来控制系统的确定部分和不确定部分。利用神经网络的非线性 映射能力自适应地学习系统不确定性的未知上界，其输出作为滑模控制器的动态补偿项，Ｌｙａｐｕｎｏｖ函数法推导得到神经网络权值更新律。为保证神经网络映射的有效性，提高收敛速度，采用遗传算法对神经网络结构参数进行优化。双关节机械臂系统的仿真结果表明了该方案的有效性。

基于神经网络集成的单个飞行事件噪声预测模型

研究了离焦量、脉冲能量、扫描间距、扫描速度和重复频率等激光加工参数对金属表面着色及微纳结构制备的影响机理，诱导制备了氧化膜、类光栅、凹坑和柱状突起4种结构，这些结构会使不锈钢表面产生薄膜干涉、光栅衍射和陷光等现象。通过Matlab软件在工艺参数与颜色HSB值之间建立了一个单隐含层的反向传播（BP）神经网络，该神经网络的训练均方根误差为0.0078，色相H、饱和度S和亮度B的测试相对误差分别为23%，10.4%和5.6%。该神经网络在一定程度上揭示了工艺参数与颜色之间的映射关系，使用该神经网络模型可以对激光着色效果作出有效的预测。