Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: neuro-fazzy classifiers

Sortuj według:

Ogranicz wyniki do:

Sterowanie silnikiem liniowym z wykorzystaniem adaptacyjnej struktury sterowania z regulatorem rozmytym typu PID

Derugo P., Kacerka J., Jastrzębski M., Szabat K.

Przegląd Elektrotechniczny

2015

R. 91, nr 7

93-96

Artykuł opisuje ideę działania wraz z genezą rozwiązania w postaci adaptacyjnego neuronowo-rozmytego regulatora o trzech wejściach z warstwą tranzycji Petriego. Układ z warstwą tranzycji i niepełnym oknem rozważań oferuje dobre właściwości regulacyjne oraz znaczne zmniejszenie złożoności numerycznej algorytmu w porównaniu do układu bez warstwy tranzycji. Działanie regulatora zweryfikowano w badaniach eksperymentalnych, regulator został użyty w pętli sterowania położeniem biegnika liniowego silnika synchronicznego z magnesami trwałymi.

The article describes the concept together with the genesis of adaptive neuro-fuzzy controller with three inputs and Petri transition layer. System with transition layer and partial calculation window offers good control and a significant reduction in the complexity of numerical algorithm compared to the system without a transition layer. Operation of the controller is verified in experimental studies where the controller was used in the position control loop of mover of a linear permanent magnet synchronous motor.

Inteligentny klasyfikator neuronowo-rozmyty o ewoluującej strukturze

Gorzałczany M. B., Kekez M.

Zeszyty Naukowe Politechniki Świętokrzyskiej. Elektryka

2005

Z. 42

149-163

Niniejszy artykuł prezentuje koncepcję oraz implementację inteligentnego klasyfikatora neuronowo-rozmytego posiadającego zdolność samoadaptacji nie tylko swych parametrów, ale również struktury. Samoadaptacja (ewolucja) struktury realizowana jest z wykorzystaniem algorytmu genetycznego. Systemy inteligentne, bazujące na syntezie sztucznych sieci neuronowych i zbiorów rozmytych oraz charakteryzujące się samoadaptującą się, ewoluującą strukturą, są efektywnym narzędziem w zagadnieniach tzw. odkrywania wiedzy (ang. knowledge discovery) w bazach danych. Zagadnienia te odgrywają coraz ważniejszą rolę we współczesnej informatyce. Proponowane w artykule rozwiązanie zostało przetestowane z wykorzystaniem wybranych, rzeczywistych baz danych.

This paper presents the concept and implementation of an intelligent neuro-fuzzy classifier being able to self-adapt not only its parameters but also its structure. Self-adaptation (evolution) of the structure is performed by means of genetic algorithm. Intelligent systems that synthesize artificial neural networks and fuzzy sets and have self-adapting, evolving structure are an effective tool for the problems of knowledge discovery in databases. These problems play more and more important role in contemporary computer science. The solution proposed in the paper has been tested using the selected, real-world databases.