rbf

应控制、专家系统、智能接口、 神经心理学、心理学和认知科学研究等等。 PID 控制要取得较好的控制效果，就必须通过调整好比例、积分、微分三种控制作用，形成控制量中既有相互配合又相互制约的关系。 这种关系不一定是简单的线性组合，从变化无穷的非线性组合中可以找出最佳关系。 神经网络所具有的任意非线性表达能力，可以通过对系统性能的学习来实现具有最佳组合的 PID 控制。 因此基于神经网络的 PID

系统峰值的影响越来越大，使之成为在负荷预测中必须考虑的重要因素。 商业负荷也同样具有季节性变化和日变化的特点，这种变化 也是由于商业部门越来越广泛地采用空调、电风扇等敏感于气候的电器，以及商业营业性质所致。 相对来说，工业负荷占负荷比例较大，且一般可视作是受气候影响较小的基础负荷，但也不能说一点也不受气候的影响。 比如高温季节，工业负荷也含有降温和防暑耗电。 一方面由于工业负荷本身负荷很大

应控制、专家系统、智能接口、 神经心理学、心理学和认知科学研究等等。 PID 控制要取得较好的控制效果，就必须通过调整好比例、积分、微分三种控制作用，形成控制量中既有相互配合又相互制约的关系。 这种关系不一定是简单的线性组合，从变化无穷的非线性组合中可以找出最佳关系。 神经网络所具有的任意非线性表达能力，可以通过对系统性能的学习来实现具有最佳组合的 PID 控制。 因此基于神经网络的 PID

和模糊的信息处理问题。 它主要应用领域有：语音识别、图像识别、计算机视觉、智能机器人、故障诊断、实时语言翻译、企业管理、市场分析、决策优化、物资调运、自适应控制、专 家系统、智能接口、神经心理学、心理学和认知科学研究等等。 PID 控制要取得较好的控制效果，就必须通过调整好比例、积分、微分三种控制作用，形成控制量中既有相互配合又相互制约的关系。 这种关系不一定是简单的线性组合