1. 学习 MATLAB 或 Scilab 中的模糊逻辑工具箱。2. 使用 Matlab 为给定应用设计模糊集。3. 设计用于机器人运动的模糊控制系统。4. 感知器学习算法的实现。5. 学习 MATLAB 或 Scilab 中的神经网络工具箱。6. 使用神经网络进行 IRIS 数据分类。7. 将神经网络应用于回归数据集。8. 学习 MATLAB 中的模式识别工具。9. 学习 MABLAB 或 Scilab 中的遗传算法工具箱。10. 为给定的优化问题实现/使用遗传算法 11. 使用遗传算法进行参数调整。12. 使用神经网络或 GA 或模糊逻辑实现任何项目。
part-B:使用Scilab/Matlab/simulink或LabView1。模拟NRZ,RZ,半鼻涕和凸起的余弦脉冲,并生成二进制极性信号传导的眼图。2。模拟脉冲代码调制和解调系统,并显示波形。3。模拟QPSK发射器和接收器。绘制信号及其星座图。4。通过模拟二进制DPSK的非连锁检测来测试二进制差分相移键系统的性能。
04EE6801计算技术3-0-0:3 2020课程先决条件•UG级别的工程数学基础知识。•对编程语言的知识,最好是MATLAB或八度或SCILAB课程目标•为学生提供计算工程系统中的应用程序课程提纲中所需的数学技术。普通微分方程和部分微分方程的数值,分析解。数值方法的稳定性。迭代解决方案。矩阵方程。疾病和规范。线性和无约束的优化。单纯式方法。本课程完成后的预期结果,学生将具有:•使用数值迭代技术(包括牛顿方法,插值方法)求解方程•使用数值迭代技术求解方程,包括三角形技术,特征>•将数值技术应用于动力系统的微分方程的解决方程•使用MATLAB/八度/SCILAB平台来解决方程•将数值技术应用于偏微分方程的解决方案•获取各种无约束优化的知识。教科书:1。Erwin Kreyszig,高级工程数学第9版,Wiley International Edition 2。William H. Press,Saul A. Teukolsky,William T. Vetterling,Brian P. Flannery,科学计算的数值食谱,剑桥大学出版社3。Igor Grivia,Stephen G Nash,Arielasofer,线性和非线性优化,第二版,暹罗
尽管我们为智能电网建模付出了巨大努力,但迄今为止我们还没有一种方法和相关工具,能够轻松、模块化地创建各种时空尺度的精确智能电网模型,并且这些模型是可扩展的。此外,现有的测试平台无法轻松链接到设计和操作的权衡和决策工具。最后,这是整个建模、综合和性能评估环境中最薄弱的组成部分,我们没有严格的需求和指标表示,可以轻松链接到此类建模环境,以测试和验证需求和性能指标。在本文中和演示中,我们将介绍我们正在开发智能电网集成建模中心的方法和框架,这些中心可以容纳各种空间和时间尺度的异构物理和网络组件。该中心采用了我们最近开发的现代而严格的基于模型的系统工程方法,并利用 SysML 来表示智能电网的各种结构和行为组件。我们展示了这种环境如何轻松链接到 OpenModelica 和 Matlab(或 SciLab)和 COMSOL 等流行工具来建模所涉及的异构物理。我们将描述这些模型如何通过分布式混合系统分析和端口汉密尔顿形式化来支持内置可组合性。后者理论的一部分涵盖了混合
B.Sc. (一般)电子设备作为GE)CC-1A / GE-1:网络分析和模拟电子(ELT-G-CC-1-1-1-TH / P) /(ELT-A-A-GE-1-1-1-TH / P)CC-2A / P)CC-2A / GE-2:线性和数字集成电路(ELT-G-CC-CC-2--CC-2-TH / P) / P) / P) (ELT-G-CC-3-3-TH/P)/(ELT-A-GE-3-3-3-TH/P)CC-4A/GE-4:微处理器和微控制器(ELT-G-CC-4-4-4-TH/p)B.Sc.(一般)电子设备作为GE)CC-1A / GE-1:网络分析和模拟电子(ELT-G-CC-1-1-1-TH / P) /(ELT-A-A-GE-1-1-1-TH / P)CC-2A / P)CC-2A / GE-2:线性和数字集成电路(ELT-G-CC-CC-2--CC-2-TH / P) / P) / P) (ELT-G-CC-3-3-TH/P)/(ELT-A-GE-3-3-3-TH/P)CC-4A/GE-4:微处理器和微控制器(ELT-G-CC-4-4-4-TH/p)