欧拉函数思路

(还在完善)
欧拉函数总结
用f(n)表示1到n中与n互质的数。
f(1)=1;
如果n为质数,则f(n)=n-1;(质数与所有数互质)。
如果n=x*y(x与y互质);则f(n)=f(x)*f(y);(与什么中国剩余定理有关这里直接借鉴)。
如果n=p^k;(p为质数,p的k次方),f(n)=p^k-p^k-1;
只有不是p的倍数才可以与n互质,需要把p的倍数剔除,
例如;1*p,2*p,,,,,p^k-1*p,共有p^k-1个。
如果n为任意大于1的数,则n可以写成多个质数相乘的形式:n=p1*p2*……*pk;
所以f(n)=f(p1)f(p2)….*f(pk);因为pi为质数,
f(n)=p1*p2*…pk*(1-1/p1)(1-1/p2)…*(1-1/pk);
=n*(1-p1)(1-p2)…*(1-pk)/n;
=(1-p1)(1-p2)…*(1-pk);
又=n*(1-1/p1)(1-1/p2)…*(1-1/pk);

内容概要:本文档提供了三种神经网络控制器(NNPC、MRC和NARMA-L2)在机器人手臂模型上性能比较的MATLAB实现代码及详细解释。首先初始化工作空间并设定仿真参数,包括仿真时间和采样时间等。接着定义了机器人手臂的二阶动力学模型参数,并将其转换为离散时间系统。对于参考信号,可以选择方波或正弦波形式。然后分别实现了三种控制器的具体算法:MRC通过定义参考模型参数并训练神经网络来实现控制;NNPC利用预测模型神经网络并结合优化算法求解控制序列;NARMA-L2则通过两个神经网络分别建模f和g函数,进而实现控制律。最后,对三种控制器进行了性能比较,包括计算均方根误差、最大误差、调节时间等指标,并绘制了响应曲线和跟踪误差曲线。此外,还强调了机器人手臂模型参数的一致性和参考信号设置的规范性,提出了常见问题解决方案以及性能比较的标准化方法。 适合人群:具备一定编程基础,特别是熟悉MATLAB编程语言的研究人员或工程师,以及对神经网络控制理论有一定了解的技术人员。 使用场景及目标:①理解不同类型的神经网络控制器的工作原理;②掌握在MATLAB中实现这些控制器的方法;③学会如何设置合理的参考信号并保证模型参数的一致性;④能够根据具体的性能指标对比不同控制器的效果,从而选择最适合应用场景的控制器。 其他说明:本文档不仅提供了完整的实验代码,还对每个步骤进行了详细的注释,有助于读者更好地理解每段代码的功能。同时,针对可能出现的问题给出了相应的解决办法,确保实验结果的有效性和可靠性。为了使性能比较更加公平合理,文档还介绍了标准化的测试流程和评估标准,这对于进一步研究和应用具有重要的指导意义。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值