El enfoque de este trabajo se basa en la impresión 3D de compuestos iónicos blandos de polímero-metal (IPMC), el aprendizaje automático para el control de los IPMC impresos en 3D y los actuadores relacionados. Se discuten en detalle el proceso de impresión 3D, el diseño y modelado de los componentes del actuador y la optimización bayesiana como método de control basado en el aprendizaje. Además, este artículo compara la efectividad de un método de gradiente de políticas de diferencias finitas y la optimización bayesiana como métodos de control para IPMC. Los resultados de la comparación destacan la ventaja de la optimización bayesiana para codificar el conocimiento previo en forma de valores alcanzables conocidos y resultados de simulación de un modelo de dinámica lineal.
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.
Artículo:
Control de impresión 3D y aprendizaje automático de actuadores compuestos de polímero-metal iónico blando
Artículo:
Una metodología para determinar y controlar los topes antes de los cuellos de botella flotantes en la producción de maquinaria pesada
Video:
Planificación de necesidades en SAP: principales diferencias entre el MRP Live y el MRP clásico
Artículo:
Método de aprendizaje con interfaz psicológica para sistemas tele operativos
Artículo:
Modelo de interacciones de riesgo que obstaculizan la implantación de la producción ajustada
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
Importancia, manejo y control de extraíbles e incrustaciones (pitch) en la fabricación de papel
Artículo:
Distintas formas de simular valores de variables aleatorias con distribución normal estándar
Libro:
Tratamientos avanzados de aguas residuales industriales