Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Použití neuronových sítí při identifikaci v reálném čase

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F04%3APU44035" target="_blank" >RIV/00216305:26220/04:PU44035 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Applications of Neural Networks in Real-Time Identification

  • Popis výsledku v původním jazyce

    Identification of dynamic systems is essential for adaptive control. Obviously, we have to obtain information on the dynamic behavior of the whole system - to identify it. One approach is the monitoring of the system characteristics, refinement and thuseliminating potential changes. The most frequently used method is the least squares method. Its advantage is the fast determination of the sought-for parameters, however, we are limited by the choice of the suitable sampling period T0. Making sampling pperiod even shorter leads to unrealistic estimates of the state. The neural network seems to be a desirable solution. The neural network application in progress identification, mainly the Levenberg-Marquardt training algorithm is discussed.

  • Název v anglickém jazyce

    Applications of Neural Networks in Real-Time Identification

  • Popis výsledku anglicky

    Identification of dynamic systems is essential for adaptive control. Obviously, we have to obtain information on the dynamic behavior of the whole system - to identify it. One approach is the monitoring of the system characteristics, refinement and thuseliminating potential changes. The most frequently used method is the least squares method. Its advantage is the fast determination of the sought-for parameters, however, we are limited by the choice of the suitable sampling period T0. Making sampling pperiod even shorter leads to unrealistic estimates of the state. The neural network seems to be a desirable solution. The neural network application in progress identification, mainly the Levenberg-Marquardt training algorithm is discussed.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BC - Teorie a systémy řízení

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2004

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings East West Fuzzy Colloquium 2004

  • ISBN

    3-9808089-5-5

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    156-161

  • Název nakladatele

    Rektor der Hochschule Zittau/Görlitz

  • Místo vydání

    Zittau, Germany

  • Místo konání akce

    Zittau

  • Datum konání akce

    8. 11. 2004

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku