{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,2,19]]，“日期时间”：“2024-02-19T22:50:57Z”，“时间戳”：17083057288}，“引用-计数”：37，“发布者”：“Elsevier BV”，“内容域”：“域”：[“Elsevier.com”，“sciencedirect.com”]，“交叉标记限制”：true}，“短集装箱”：[“Neurocomputing”]，“published-print”：{“date-parts”：[[2014,7]]}，“DOI”：“10.1016\/j.neucom.2014.01.013”，“type”：“journal-article”，“created”：{-“date-parts”：[2014,1,27]]，“date-time”：“2014-01-27T22:00:59Z”，“timestamp”：1390860059000}，”page：“190-200”，“update-policy”：”http://\/dx.DOI.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：30，“title”：[“使用多模型和动态神经网络的非线性自适应控制”]，“prefix”：“10.1016”，“volume”：“136”，“author”：[{“给定”：“Xiao-Li”，“family”：“Li”，”sequence“：”first“，”affiliation“：[]}，{“given”：”Chao“，”family：“additional”，“affiliation”：[]}，{“given”：“Da-Wei”，“family”：“Ding”，“sequence”：“addressive”，“filiation“：[]2]，“member”：“78”，“reference”：[{“issue”：“13\u201315”，“key”：”10.1016\/j.neucom.2014.01.013_bib1“，”doi-asserted-by“：”crossref“，”首页“3277”，“doi”：“10.1016\\j.neucomm.2009.02.004”，“物品标签”：“使用优化动态神经网络的非线性系统识别”，“卷”：“72”，“作者”：“Xie”，“年份”：“2009”，“期刊标题”：“神经计算”}，{“密钥”：“10.1016\/j.neucom.2014.0.013_bib2”，“doi断言”：“crossref”，“非结构化”：“Z.j.Fu，W.F.Xie，W.D。Luo，使用两个时间尺度的多层动态神经网络进行鲁棒在线非线性系统辨识，Neurocomputing 113（3）（2013）16\u201326.“，”DOI“：”10.1016\/j.neucom.2012.1041“}，{“issue”：“4”，“key”：“10.1016\/j.nucom.2014.01.013_bib3”，“DOI-asserted-by”：“crossref”，“first page”：”588“，“DOI”：“1016\/j.isatra.2011.06.005”，“article-title“：“具有死区特性的直流电机系统的辨识和自适应神经网络控制”，“volume”：“50”，“author”：“Peng”，“year”：“2011”，“journal-title”：“ISA Trans。“}，{”issue“：”6“，”key“：”10.1016\/j.neucom.2014.01.013_bib4“，”doi-asserted-by“：”crossref“，”first page“：“1119”，”doi“：”101080\/002071798221515“，”article-title“：”使用神经网络的非线性系统的预测控制“，”volume“:”71“，”author“：”Liu“，”year“：”1998“，”journal-title”：“Int.j.control”}，”{“issue”：“2”，“键“：”10.1016\/j.neucom.2014.01.013_bib5“，”doi断言者“：”crossref“，”首页“：”143“，”doi“：”10.1080\/00207720903042947“，”文章标题“：”一类非线性系统的自适应神经网络跟踪控制“，”卷“：”41“，”作者“：”刘“，”年份“：”2010“，”期刊标题“：”Int.j.Syst。科学。“}，{”issue“：”1“，”key“：”10.1016\/j.neucom.2014.01013_bib6“，”doi-asserted-by“：”crossref“，”first page“：“25”，”doi“：”101049\/ip-cta:1990368“，”article-title“：”parallel dynamic neural networks间接自适应控制“，”volume“：‘146’，”author“：”Yu“，”year“：”1999“，”journal-title”：“IEE Proc.\u2014Control Theory Appl.IET”}，{“问题”：“1”，“密钥”：“10.1016\/j.neucom.2014.01.013_bib7“，”doi-asserted-by“：”crossref“，”first page“：”4“，”doi“：”10.1109\/72.80202“，”article-title“：”使用神经网络识别和控制动力系统“，”volume“：“1”，“author”：“Narendra”，“year”：“1990”，“journal-title”：“IEEE Trans。神经网络。“}，{”issue“：”4“，”key“：”10.1016\/j.neucom.2014.01.013_bib8“，”doi-asserted-by“：”crossref“，”first page“：“434”，”doi“：”101109\/TAC.1965.1098191“，”article-title“：”抽样随机过程的最优自适应估计“，”volume“：：”10“，”author“：”Magill“，”year“：”1965“，”“journal-title”：”IEEE Trans.Autom.Control“}”，{“issue”：“5”，“密钥”：“10.1016\/j.neucom.2014.01.013_bib9“，“doi-asserted-by”：“crossref”，“first page”：“768”，“doi”：“10.1109\/TAC.1977.1101599”，“article-title”：“使用多模型自适应控制（MMAC）方法对F-8C飞机的随机控制\u2014第一部分”，“卷”：“22”，“作者”：“Athans”，“年份”：“1977”，“期刊标题”：“IEEE Trans。自动。Control“}，{“key”：“10.1016\/j.neucom.2014.01.13_bib10”，“unstructured”：“K.S.Narendra，j.Balakrishnan，《使用多模型和切换的自适应控制系统的性能改进》，收录于：耶鲁大学系统科学中心第七届耶鲁自适应学习系统研讨会论文集，康涅狄格州纽黑文，1992年，第27\u201333页。”}，{“issue”：“9”，“key”：“10.1016\/j.neucom.2014.01.013_bib11”，“doi-asserted-by”：“crossref”，“first-pages”：“1861”，“doi”：“101109\/9.317113”，“article-title”：“使用多模型和开关改善自适应控制系统的瞬态响应”，“volume”：”39“，“author”：“Narendra”，“year”：“1994”，“journal-title“：”IEEE Trans.Autom.control“}，{”issue“：”8“，“key”：“10.1016\/j.neucom.2014.01.013_bib12”，“doi-asserted-by”：“crossref”，“首页”：“1245”，“doi”：“101016\/S0005-1098（01 eucom.2014.01.013_bib13“，“doi-asserted-by”：“crossref”，“first page”：“78”，“doi”：“10.1109\/TAC.2011.2152470”，“article-title”：“多模型自适应控制中的新概念”，“volume”：”57“，“author”：“Han”，年：“2012”，“journal-title“：”IEEE Trans.Autom.control“}，{“issue”：“13”，“key”：，“首页”：“2439”，“DOI”：“10.1016\/j.neucom.2009.12.035”，“文章标题”：“多模型迭代学习控制”，“卷”：“73”，“作者”：“小莉”，“年份”：“2010”，“期刊标题”：“神经计算”}，｛“问题”：“6”，“关键”：“10.1016\/j.neucom.204.01.013_bib15”，“DOI断言者”：“crossref”，“第一页”：“1101”，“DOI”：“10.1016\/j.automatica.2006.12.010”，“文章标题”：“使用多模型和神经网络的非线性多变量自适应控制”，“volume”：“43”，“author”：“Fu”，“year”：“2007”，“journal-title”：“Automatica”}，{“issue”：“3\u20134”，“key”：”10.1016\/j.neucom.2014.0113_bib16“，”doi-asserted-by“：”crossref“，”first page“825”，“doi”：“10.1007\/s00521-012-1313-7”，“article-title“：“一类非线性系统基于SVM的多模型模糊间接自适应控制”，“volume”：“22”，“author”：“Zhou”，“year”：“2013”，“journal-title”：“Neural Compute.Appl.”}，{“issue”：“7”，“key”：”10.1016\/j.neucom.2014.013_bib17“，”doi-asserted-by“：”crossref“，”first page“：”578“，”doi“10.1016\/j.sysconle.2007.12.007”，”article-title“：“使用多辨识模型的非线性自适应控制”，“volume”：“57”，“author”：“Ye”，“year”：“2008”，“journal-title”：“Syst.control Lett.”}，{“issue”：“1\u20133”，“key”：”10.1016\/j.neucom.2014.01313_bib18“，”doi-asserted-by“：”crossref“，”first page“：”430“，“doi”：“10.1016\\j.neucomm.2005.1222”，“article-title“：“用于稳定自适应控制的多递归神经网络”，“volume”：“70”，“author”：“Yu”，“year”：“2006”，“journal-title”：“Neurocomputing”}，{“issue”：“11”，“key”：”10.1016\/j.neucom.2014.013_bib19“，”doi-asserted-by“：”crossref“，”first page“：”1452“，“doi”：“10.3724\/SP.j.1004.2009.01452”，“article-title“：“执行器故障的基于多模型的自适应重构控制”，“volume”：“35”，“author”：“Guo”，“year”：“2009”，“journal-title”：“Acta Autom.Sin.”}，{“issue”：“6”，“key”：”10.1016\/j.neucom.2014.01.013_bib20“，”doi-asserted-by“：”crossref“，”first page“：”976“，”doi“10.1080\/002071701613681”，“article-title“：“标识符-跟踪模型参考自适应控制”，“卷”：“81”，“作者”：“杨”，“年份”：“2008”，“日志标题”：“国际期刊控制”}，{“问题”：“7”，“关键”：“10.1016\/J.neucom.2014.01.013_bib21”，“doi-asserted-by”：“crossref”，“首页”：“1778”，“doi”：“101109\/TAC.2011.2176162”，”文章标题“：“组合多模型自适应控制方案及其在非线性参数化非线性系统中的应用”，“卷”：“57”，“作者”：“陈”，“年份”：“2012”，“日记标题”：“IEEE Trans.Autom.control”}，{“问题”：“11”，“关键”：“10.1016\/j.neucom.2014.01.013_bib22”，“doi-asserted-by”：“crossref”，“首页”：“1452”，”doi“：“10.3724\/SP.J.1004.2009.01452”，“article-title”：“执行器故障的基于多模型的自适应重构控制”，“volume”：“35”，“author”：“Guo”，“year”：“2009”，“journal-title“：”Acta Autom.Sin.“}，{”issue“：”2“，”key“：”10.1016\/J.neucom.2014.01.013_bib23“，”doi-asserted-by“：”crossref“，”first page“171”，“doi”：“10.1109\/9.5545 398“，”物品标签“：“使用多模型的自适应控制”，“volume”：“42”，“author”：“Narendra”，“year”：“1997”，“journal-title”：“IEEE Trans.Autom.control”}，{“issue”：“9”，“key”：”10.1016\/j.neucom.2014.01.013_bib24“，”doi-asserted-by“：”crossref“，”first page“：”1669“，”doi“10.1109\/9.880617”，“article-title“：”使用多模型离散时间系统的自适应控制“，“volume”：“45”，“author”：“Narendra”，“year”：“2000”，“journal-title”：“IEEE Trans.Autom.Control”}，{“issue”：“12”，“key”：”10.1016\/j.neucom.2014.013_bib25“，”doi-asserted-by“：”crossref“，”first page“：”1578“，”doi“：”10.1109\/21.478444“，”article-title“：”通过动态神经网络对未知非线性动力系统的直接自适应调节“volume”：“25”，“author”：“Rovithakis”，“year”：“1995”，“journal-title”：“IEEE Trans.Syst.Man Cybern.”}，{“key”：“10.1016\/j.neucom.2014.013_bi26”，“doi-asserted-by”：“crossref”，“first page”：：“247”，“doi”：“101080\/10798587.1995.10750633”，“article-title）：“神经网络非线性系统逼近”，“作者”：“Poznyak”，“年份”：“1995.”“，”杂志标题“：”国际期刊。智力。自动。软计算。“}，{”key“：”10.1016\/j.neucom.2014.01.013_bib27“，”unstructured“：”A.S.Poznyak，动态神经网络学习，摘自：第十届耶鲁大学自适应学习系统研讨会，1998年，第38\u201347页。“}”，{“issue”：“1”，“key”：“10.1016\/j.nucom.2014.01.13_bi28”，“doi-asserted-by”：“crossref”，“first page”：”227“，“doi”：“1016\/S0957-4174（97）00072-9“，”article-title“：动态神经控制的稳定性分析”，“volume”：“14”，“author”：“Poznyak”，“year”：“1998”，“journal-title”：“Expert Syst。申请。“}，{”key“：”10.1016\/j.neucom.2014.01.013_bib29“，”doi-asserted-by“：”crossref“，”first-pages“：”400“，”doi“：”101109\/21.278990“，”article-title“：”使用动态神经网络对未知植物进行自适应控制“，”volume“：10.1016\/j.neucom.2014.01.013_bib30“，”doi-asserted-by“：”crossref“，”first page“：”621“，”doi“：”10.1109\/TAC.1971.1099831“，”article-title“：”最小二乘平稳最优控制与代数Riccati方程“，”volume“：“16”，”author“：”Willems“，”year“：”1971“，“journal-title”：“IEEE Trans。自动。Control“}，{”key“：”10.1016\/j.neucom.2014.01.013_bib31“，”series-title“：”Stable Adaptive Systems“，”author“：”Narendra“，”year“：”1989“}”，{“issue”：“2”，“key”：“10.1016\/j.nucom.2014.01.013_bib32”，“doi-asserted-by”：“crossref”，“first pages”：“57”，“doi”：“101016\/0005-1098（87）90118-X”，“article-title”：“”连续时间模型参考自适应控制的参数估计视角”，“volume”：“23”，“author”：“Goodwin”，“year”：“1987”，“journal-title”：“Automatica”}，{“key”：《10.1016\/j.neucom.2014.01313_bib33》，“series-title”：《鲁棒自适应控制：自适应控制基础中的设计、分析和鲁棒性界限》，“audor”：《Ioannou》，“年份“：”1977“}，{“key”：“10.1016\/j.neucom.2014.01013_bib34”，“unstructured”：“X.Li，W.Zhang，W.Wang，基于局部化方法的离散时间系统多模型自适应控制，收录于：第六届IEEE智能控制与自动化世界大会，WCICA 2006年第1卷，pp.2076\u20132080.”}，}series-title“：“优化导论”，“author”：“Polyak”，“year”：“1987”}，{“key”：“10.1016\/j.neucom.2014.013_bib36”，“unstructured”：“G.C.Goodwin，K.S.S.Sin，自适应滤波、预测和控制，Prentice-Hall，1984。”}、{“issue”：“2”，“key“10.1016”，“j.neucomm.2014.01.013_bib”，“doi-asserted-by”：“crossref”，“first page”：”211“DO”I“：”10.1109\/9.21102“，“文章标题”：“关于有界扰动下自校正控制器的稳定性”，“卷”：“34”，“作者”：“顾”，“年份”：“1989年”，“期刊标题”：”IEEE Trans。自动。Control“}]，”container-title“：[”Neurocomputing“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S092523114001659？httpAccept=text\/xml“，”content-type“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“”https:\/\/api.elsevier.com/content\/article\/PII:S0925231214001659？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2019,8,7]]，“date-time”：“2019-08-07T02:29:53Z”，“timestamp”：1565144993000}，“score”：1，“resource”：{“primary”：“URL”：“https://linkinghub.elsevier.com\/retrieve\/pii\/S0 925231214001659“}}，”副标题“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2014,7]]}，”references-count“：37，”alternative-id“：[”S092531214001659“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.neucom.2014.01.013“，”relation“：{}，“ISSN”：[“0925-2312”]，“ISSN-type”：[{“value”：“09252312”，“type”:“print”}]，“subject”：【]，“published”：{“date-parts”：[[2014,7]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher”，“label”：“本文由”｝，｛“value”：“使用多个模型和动态神经网络的非线性自适应控制”，“name”：“articlettle”，“label”：“文章标题”｝，｛“value”：“Neurocomputing”，“name”：“journaltitle”，“label”：“Journal Title”｝，｛“value”：“https://doi.org/10.1016\/j.neucom.2014.01.01.013”，“name”：“articlelink”，“label”：“CrossRef DOI链接到出版商维护的版本“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“value:”Copyright\u00a9 2014 Elsevier B.V.保留所有权利。“，”name“：”Copyright“，”label“：”Copyrity“}]}