Temat: dynamical neural networks

Skocz do pozycji: 1.

Tytuł:: Fault diagnosis of non-linear dynamical systems using analytical and soft computing methods
Autorzy:: Korbicz, J.
Tematy:: fault detection
unknown input observer
dynamical neural networks
neuro-fuzzy systems
evolutionary algorithms; Pokaż więcej
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Powiązania:: https://bibliotekanauki.pl/articles/384480.pdf Link otwiera się w nowym oknie
Opis:: The paper deals with the problems of robust fault detection using analytical methods (observers and unknown input observers) and soft computing techniques (neural networks, neuro-fuzzy networks and genetic programming). The model-based approach to Fault Detection and Isolation (FDI) is considered. In particular, observers for non-linear Lipschitz systems and extended unknown input observers are discussed. In the case of soft computing techniques, the main objective is to show how to employ the bounded-error approach to determine the uncertainty of the GMDH and neuro-fuzzy networks. It is shown that based on soft computing models uncertainty defined as a confidence range for the model output, adaptive thresholds can be defined. The final part of the paper presents two illustrative examples that confirm the effectiveness of the unknown input observers and the neuro-fuzzy networks approaches.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 2.

Tytuł:: Modelling of the dynamics of a gyroscope using artificial neural networks
Zastosowanie sztucznych sieci neuronowych do modelowania dynamiki giroskopu
Autorzy:: Łacny, Ł.
Tematy:: artificial neural networks
dynamical systems
emulation
gyroscopes; Pokaż więcej
Wydawca:: Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Powiązania:: https://bibliotekanauki.pl/articles/281929.pdf Link otwiera się w nowym oknie
Opis:: It this paper, a neural network was utilized in order to create an emulator, which could mimic the behaviour and nonlinear dynamics of a gyroscope with two axes of freedom, subjected to both low- and high-frequency excitation. For this purpose, several known learning methods, such as the gradient and Levenberg-Margquardt method, were used. Three different models of neural networks were considered and compared for their effectiveness: NNFIR, NNARX and the recurrent network NNARMAX.
W niniejszej pracy przedstawiono, w jaki sposób przy użyciu sztucznej sieci neuronowej możliwe jest stworzenie emulatora, który naśladuje zachowanie i nieliniową dynamikę giroskopu o dwóch osiach swobodnych, poddanego wymuszeniom zarówno o niskiej, jak i wysokiej częstotliwości. W celu nauczenia sieci neuronowej, wykorzystano szereg dostępnych algorytmów uczących (m.in. gradientowy, Levenberga-Margquadta). Przetestowano oraz porównano trzy różniące się od siebie modele sieci neuronowych: NNFIR, NNARX oraz sieć rekurencyjną NNARMAX.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 3.

Tytuł:: Phase recognition in lattice quantum gravity using machine learning algorithms
Rozpoznawanie faz w sieciowej kwantowej grawitacji z wykorzystaniem algorytmów uczenia maszynowego
Autorzy:: Batko, Krzysztof
Opis:: This thesis focuses on using basic machine learning techniques to analyze and classify data from quantum gravity research. The paper implements algorithms such as logistic regression, decision trees and artificial neural networks in the Julia programming language to automate the process of assigning configuration phases in a four-dimensional Causal Dynamical Triangulation model.
W pracy zautomatyzowano proces przypisywania faz do konfiguracji czterowymiarowego modelu Kauzalnych Dynamicznych Triangulacji przy użyciu takich algorytmów, jak regresja logistyczna, drzewa decyzyjne oraz sztuczne sieci neuronowe, które zaimplementowano w języku programowania Julia.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 4.

Tytuł:: Mathematical model of architecture and learning processes of artificial neural networks
Autorzy:: Bielecki, A.
Tematy:: artificial neural networks
neuron
learning process
topological conjugacy
gradient dynamical system
Euler method; Pokaż więcej
Wydawca:: Politechnika Gdańska
Powiązania:: https://bibliotekanauki.pl/articles/1931575.pdf Link otwiera się w nowym oknie
Opis:: A mathematical model of architecture and learning processes of multilayer artificial neural netwoks is discussed in the paper. Dynamical systems theory is used to describe the learning precess of networks consisting of linear, weakly nonlinear and nonlinear neurons. Conjugacy between a gradient dynamical system with a constant time step and a cascade generated by its Euler method theorem is applied as well.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 5.

Tytuł:: Dynamics of chaotic neural networks −with application to traveling salesman problem. Theoretical basis and simulation.
Dynamika chaotycznych sztucznych sieci neuronowych-w zastosowaniu do rozwiązania problemu komiwojażera. Podstawy teoretyczne oraz symulacja.
Autorzy:: Kurzyca, Kamil
Opis:: W pracy przedstawiono teoretyczną analizę dynamiki chaotycznych sztucznych sieci neuronowych oraz tranzytywnych chaotycznych sieci neuronowych. Oba rodzaje sieci zostały zaimplementowane do rozwiązania problemu komiwojażera.
We presented theoretical basis for chaotic neural network and transiently chaotic neural network. Both types of networks was tested by solving TSP.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Informacja

Wyszukujesz frazę "dynamical neural networks" wg kryterium: Temat