Synthesis and Optimization of Neural Network Parameters for Control of Non-linear Objects

• Autorzy: Aleksander, M. , Pohrebennyk, V. , Strembitskyy, M.

Warianty tytułu

PL

Synteza i optymalizacja parametrów sieci neuronowych do sterowania nieliniowych obiektów

• Języki publikacji: EN

Abstrakty

EN

The possibility of using artificial neural network (ANN) for the construction of precise control of dynamic objects with variable parameters is considered. Approach to the synthesis of topology and learning algorithm based on recurrent Elman’s ANN with auxiliary feedback is suggested. The results of modeling of ANN operation in the system of control guided by large-sized antennas are given.

PL

Opisano możliwość wykorzystania sztucznej sieci neuronowej (SSN) do precyzyjnego sterowania dynamicznych obiektów o zmiennych parametrach. Przedstawiono syntezę topologii i uczenia algorytmu opartego na SSN Elmana z dodatkowych informacji. Zaprezentowano wyniki modelowania SSN do zarządzania systemem pozycjonowania dużych anten.

Słowa kluczowe

PL

antena obrotowa; sieci neuronowe; Hexapod

EN

antenna's rotating device; neural network; Hexapod; pointing error

• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2014
• Tom: R. 90, nr 5
• Strony: 207--210
• Opis fizyczny: Bibliogr. 6 poz., rys., schem., wykr.

Twórcy

autor

Aleksander, M.

• State Higher Vocational School, Staszica Str. 1, Nowy Sacz, 33-300, Poland,

autor

Pohrebennyk, V.

• Lviv Polytechnic National University, Bandera Str. 12, Lviv, 79013, Ukraine,

autor

Strembitskyy, M.

• Ternopil National Technical University, dep. devices and control-measurement systems, Ruska 56, Ternopil, 46001 Ukraine,

Bibliografia

• [1] Shigeru Omata Neyroupravlenie and Its Applications Book. 2 / Shigeru Omata, Marzuki Khalid, Rubiya Yusof, translated from Eng NV Batinah. Ed. AI Galushkina. V.A. Ptichkin - M: IPRZhR, 2000. – 272 p. (In Russian)
• [2] Haykin S. Neural Networks. A comprehensive foundation. – New York, NY: Macmillan, 1994. – 696 p.
• [3] Elman J.L. Finding structure in time // Cognitive Science. 1990. Vol. 14. P. 179-211.
• [4] Reznik A.М. Dynamic Associative Memory Based on Open Recurrent Neural Network / A.М. Reznik, D.A. Dziuba // Proc. of IJCNN’09, (Atlanta, Georgia, USA, June 14–19, 2009). – Atlanta, Georgia, USA, 2009. – P. 2657 – 2663.
• [5] Mykhaylo Palamar (2012). Smart Station for Data Reception of the Earth Remote Sensing, Remote Sensing-Advanced Techniques and Platforms, Dr. Boris Escalante (Ed.). Available from: http://www.intechopen.com/books/remote-sensingadvanced- techniques-and-platforms/smart-station-for-datareception- of-the-earth-remote-sensing.
• [6] Osowski S. Neural networks for information processing / S. Osowski. - Moscow: Finances and Statistics, 2002. - 344 p. (In Russian)

Identyfikatory

DOI

10.12915/pe.2014.05.47