《表1 多层感知机神经网络的第一层的权重矩阵V和偏置bv》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于神经网络的踝关节康复并联机器人的逆运动学的精确求解》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图6中曲线分别表示6组驱动杆的值曲线，每组驱动杆值有2条曲线，一条由多层感知机神经网络产生的驱动杆近似值曲线，另一条由逆运动学方程（6）计算的六条驱动杆的真实值曲线。图6a是神经网络经过200周期训练学习后得出的，使用多层感知机神经网络产生的6条驱动杆近似曲线与使用逆运动学方程（6）计算的6条驱动杆的真实曲线相比，有明显的曲线轮廓差异，表明训练学习周期短，其与实际误差比较大。图6b是神经网络经过500周期训练后得出的，使用多层感知机神经网络产生的6条驱动杆近似曲线与使用逆运动学方程（6）计算的6条驱动杆的真实值曲线相比，曲线轮廓已经很相似，但有明显的曲线分开，仍不够精确，但其慢慢接近实际值。图6c是神经网络经过1000周期训练后得出的，使用多层感知机神经网络产生的六条驱动杆近似曲线与使用逆运动学方程（6）计算的6条驱动杆的真实值曲线相比，曲线轮廓已完全吻合。其精度将在神经网络训练1000周期学习后，如表1和表2的权重矩阵确定后，通过误差迭代补偿方法进一步提高精度，以满足实时性控制要求。