Neural Network Based Bicriterial Dual Control with Multiple Linearization
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F10%3A43898286" target="_blank" >RIV/49777513:23520/10:43898286 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.3182/20100826-3-TR-4015.00051" target="_blank" >http://dx.doi.org/10.3182/20100826-3-TR-4015.00051</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.3182/20100826-3-TR-4015.00051" target="_blank" >10.3182/20100826-3-TR-4015.00051</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Neural Network Based Bicriterial Dual Control with Multiple Linearization
Popis výsledku v původním jazyce
A suboptimal dual controller for discrete nonlinear stochastic systems based on the bicriterial approach is proposed and discussed. Two individual criteria are designed and used to introduce one of the conflicting efforts between estimation and control;caution and probing. A nonlinear system is modeled using a neural network (NN) of perceptron type. The unknown parameters of the network are estimated by a global estimation method, the Gaussian sum method (GSM), which allows to determine conditional probability density function (pdf) of the NNs parameters. The GSM in association with an idea of multiple linearization is chosen and utilized in the bicriterial dual control (BDC) approach. The probing component of the control law is determined for each local mode of estimated pdf separately and respects accuracy of each local estimate inherent in the estimated pdf. A comparison of the proposed modified BDC and the BDC which uses a global point estimate only is shown in a numerical example
Název v anglickém jazyce
Neural Network Based Bicriterial Dual Control with Multiple Linearization
Popis výsledku anglicky
A suboptimal dual controller for discrete nonlinear stochastic systems based on the bicriterial approach is proposed and discussed. Two individual criteria are designed and used to introduce one of the conflicting efforts between estimation and control;caution and probing. A nonlinear system is modeled using a neural network (NN) of perceptron type. The unknown parameters of the network are estimated by a global estimation method, the Gaussian sum method (GSM), which allows to determine conditional probability density function (pdf) of the NNs parameters. The GSM in association with an idea of multiple linearization is chosen and utilized in the bicriterial dual control (BDC) approach. The probing component of the control law is determined for each local mode of estimated pdf separately and respects accuracy of each local estimate inherent in the estimated pdf. A comparison of the proposed modified BDC and the BDC which uses a global point estimate only is shown in a numerical example
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
BC - Teorie a systémy řízení
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2010
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
IFAC-PapersOnline
ISSN
1474-6670
e-ISSN
—
Svazek periodika
10
Číslo periodika v rámci svazku
1
Stát vydavatele periodika
TR - Turecká republika
Počet stran výsledku
6
Strana od-do
1-6
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—