matlab/simulink仿真模型，在反馈控制的基础上增加了前馈，动态响应更快，控制效果好

引入模糊PI及前馈控制的高精度伺服系统，黄康，戴警，针对传统三环控制及普通前馈控制无法实现速度或负载突变段的快速无差位置跟踪的问题，提出了一种引入模糊PI及前馈控制的新型伺服�

随着深度互联网时代到来，大数据所蕴含的巨大科学、经济价值逐渐凸显。然而其数据分析方法却存在较高技术壁垒，想要发掘出大数据的价值空间，需要摒弃传统方案，采用新的分析方法。深度神经网络算法采用仿生学习算法整合庞大的异构数据，支持多源信息筛选，可实现时序动态捕捉，从而搭建起大数据转化为价值信息的桥梁。文中着重分析“大数据+神经网络”的深度学习算法在非结构化、模式多变的大数据群中的特征提取模式；并基于无限神经网络的前馈式连接方法，耦合时间参数进行更精确的特征提取与数据预测。最后对其在语音识别和图像分析中的应用进行实例测试，数据结果表明：无限神经网络在数据处理中具备更为强大的计算效率和性能优势。

过程控制系统》单回路、前馈、串级、Smith控制Simulink仿真与GUI设计。可直接运行，界面友好。process_control.m为主程序。内附作品说明报告，说明了程序效果，希望对同学们有所帮助。

BP神经网络非线性函数拟合的数据

要设置此存储库，请运行以下命令： 根据要使用的ROS发行版的选择， export ROS_DISTRO=melodic export ROS_DISTRO=noetic或export ROS_DISTRO=melodic source setup.sh

使用Python实现简单的前馈神经网络算法。 工作正在进行中。

使用粒子群算法PSO优化BP神经网络的参数，已经做了标注，更详细的可以参照这篇文章

使用MNIST数据集训练手写数字识别模型——**附完整代码**和**训练好的模型文件**——直接用. 具体内容可看我的这篇文章：https://blog.csdn.net/weixin_45954454/article/details/114455209

前馈神经网络及其应用.pdf