Comparison of nolinear system prediction by artificial neural networks
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28110%2F07%3A63505134" target="_blank" >RIV/70883521:28110/07:63505134 - isvavai.cz</a>
Result on the web
—
DOI - Digital Object Identifier
—
Alternative languages
Result language
angličtina
Original language name
Comparison of nolinear system prediction by artificial neural networks
Original language description
The aim of this contribution is to provide short review of artificial neural networks that are able to predict dynamical systems. This paper deals with testing of predictive abilities of artificial neural networks. The nonlinear system output was selected as the testing signal. The signal was noised by three levels of noise in order to test the noise influence to prediction quality. The results are compared using the prediction error function
Czech name
Srovnání predikce nelineárního systému pomocí umělých neuronových sítí
Czech description
Cílem příspěvku je prezentovat krátký přehled umělých neuronových sítí, které jsou schopny předikovat chování dynamických systémů. Tento článek se zabývá testováním prediktivních schopností umělých neuronových sítí. Jako testovací signál byl vybrán výstup z nelineárního systému. Tento signál byl zašuměn třemi různými stupni šumu za účelem otestovat vliv šumu na kvalitu predikce. Výsledky jsou srovnány s využitím chybové funkce.
Classification
Type
D - Article in proceedings
CEP classification
BC - Theory and management systems
OECD FORD branch
—
Result continuities
Project
<a href="/en/project/GP102%2F07%2FP137" target="_blank" >GP102/07/P137: Predictive control using artificial neural networks with online adaptation of predictor</a><br>
Continuities
Z - Vyzkumny zamer (s odkazem do CEZ)
Others
Publication year
2007
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Article name in the collection
Annals of DAAAM Symposium 2007
ISBN
3-901509-58-5
ISSN
—
e-ISSN
—
Number of pages
2
Pages from-to
669-670
Publisher name
DAAAM International Vienna
Place of publication
Vienna
Event location
—
Event date
—
Type of event by nationality
—
UT code for WoS article
—