COMPUTATIONALLY SIMPLE NEURAL NETWORK APPROACH TO DETERMINE PIECEWISE-LINEAR DYNAMICAL MODEL
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F17%3A39910629" target="_blank" >RIV/00216275:25410/17:39910629 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/00216275:25530/17:39910629
Výsledek na webu
<a href="http://dx.doi.org/10.14311/NNW.2017.27.020" target="_blank" >http://dx.doi.org/10.14311/NNW.2017.27.020</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.14311/NNW.2017.27.020" target="_blank" >10.14311/NNW.2017.27.020</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
COMPUTATIONALLY SIMPLE NEURAL NETWORK APPROACH TO DETERMINE PIECEWISE-LINEAR DYNAMICAL MODEL
Popis výsledku v původním jazyce
The article introduces a new technique for nonlinear system modeling. This approach, in comparison to its alternatives, is straight and computationally undemanding. The article employs the fact that once a nonlinear problem is modeled by a piecewise-linear model, it can be solved by many efficient techniques. Thus, the result of introduced technique provides a set of linear equations. Each of the equations is valid in some region of state space and together, they approximate the whole nonlinear problem. The technique is comprehensively described and its advantages are demonstrated on an example.
Název v anglickém jazyce
COMPUTATIONALLY SIMPLE NEURAL NETWORK APPROACH TO DETERMINE PIECEWISE-LINEAR DYNAMICAL MODEL
Popis výsledku anglicky
The article introduces a new technique for nonlinear system modeling. This approach, in comparison to its alternatives, is straight and computationally undemanding. The article employs the fact that once a nonlinear problem is modeled by a piecewise-linear model, it can be solved by many efficient techniques. Thus, the result of introduced technique provides a set of linear equations. Each of the equations is valid in some region of state space and together, they approximate the whole nonlinear problem. The technique is comprehensively described and its advantages are demonstrated on an example.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
20205 - Automation and control systems
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Neural Network World
ISSN
1210-0552
e-ISSN
—
Svazek periodika
27
Číslo periodika v rámci svazku
4
Stát vydavatele periodika
CZ - Česká republika
Počet stran výsledku
21
Strana od-do
351-371
Kód UT WoS článku
000410411900003
EID výsledku v databázi Scopus
—