Детальная информация

Название: Fuzzy modeling and control: methods, applications and research
Другие авторы: Harvey Terrell; Mullins Dallas
Выходные сведения: New York: Nova, 2018
Коллекция: Электронные книги зарубежных издательств; Общая коллекция
Тематика: Автоматическое управление; Моделирование; Алгоритмы; Множеств теория; automatic control; modeling; algorithms; sets theory
УДК: 681.51.017; 510.223
Тип документа: Другой
Тип файла: Другой
Язык: Английский
Права доступа: Доступ по паролю из сети Интернет (чтение, печать)
Ключ записи: RU\SPSTU\edoc\60594

Разрешенные действия: Посмотреть

Аннотация

Fuzzy Modeling and Control: Methods, Applications and Research opens by recommending a new fuzzy RANSAC algorithm based on the reinforcement learning concept to improve modeling performance under the outlier noise. The authors also propose a novel methodology for online modeling of multivariable Hammerstein evolving fuzzy models with minimum realization in state space from experimental data. Results characterized by strongly coupled nonlinearities demonstrate the computational efficiency of the proposed methodology. Later, two types of neural networks are applied to find the approximate solutions of the fully fuzzy nonlinear system, and a superior gradient descent algorithm is proposed in order to train the neural networks. Lastly, the authors propose a novel online evolving fuzzy Takagi-Sugeno state-space model identification approach for nonlinear multivariable systems. To circumvent “the curse of dimensionality”, the algorithm uses tools for monitoring the quality of the existing clusters.

Статистика использования

stat Количество обращений: 5
За последние 30 дней: 0
Подробная статистика