Biblioteca32.423 documentos en línea

Artículo

Equivalent Neural Network Optimal Coefficients Using Forgetting Factor with Sliding ModesCoeficientes óptimos de redes neuronales equivalentes utilizando el factor de olvido con modos de deslizamiento

Resumen

El concepto de Red Neural Artificial (RNA) es familiar en métodos cuya tarea es, por ejemplo, la identificación o aproximación de las salidas de sistemas complejos difíciles de modelar. En general, el objetivo es determinar en línea los parámetros adecuados para alcanzar una mejor tasa de convergencia punto a punto, por lo que este trabajo presenta la estimación de parámetros para una RNA equivalente (EANN), obteniendo una identificación recursiva para un sistema estocástico, en primer lugar, con parámetros constantes y, en segundo lugar, con condiciones de sistema de salida no estacionarias. Por tanto, en la última estimación, los parámetros también tienen propiedades estocásticas, haciendo que los métodos de aproximación tradicionales no sean adecuados debido a su pérdida de velocidad de convergencia. Para dar solución a esta problemática, proponemos un factor de olvido exponencial no constante (NCEFF) con modos deslizantes, obteniendo en casi todos los puntos una tasa de convergencia exponencial decreciente. Los resultados teóricos de ambas etapas de identificación se realizan con MATLAB® y se comparan, observando una mejora cuando se aplica la nueva propuesta para condiciones de salida no estacionarias.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento