A Performance Comparison of Different Back Propagation Neural Networks in Inverse Kinematics
محل انتشار: دوازدهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,755
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI12_279
تاریخ نمایه سازی: 23 دی 1386
چکیده مقاله:
Error Back Propagation, a class of neural networks, is proposed to solve the inverse kinematics problem in robotic manipulator. In this approach a network has been trained to learn a desired set of joint angles positions from a given set of end effectors positions. This paper demonstrates some methods of Back Propagation neural network which can be used to solve inverse kinematics. Next the performance of these methods has been compared for inverse kinematics problems. The used Error Back Propagation techniques are the Standard, Momentum and Delta Bar- Delta.
کلیدواژه ها:
نویسندگان
Mahdi Hosseini
Computer Engineering Department of Sharif University of Technology, Tehran, Iran
Leila Sharif
Computer Science Department Shahid Beheshti University, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :