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”

HONU and Supervised Learning Algorithms in Adaptive Feedback Control

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F16%3A00305518" target="_blank" >RIV/68407700:21220/16:00305518 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://www.igi-global.com/chapter/honu-and-supervised-learning-algorithms-in-adaptive-feedback-control/152096" target="_blank" >http://www.igi-global.com/chapter/honu-and-supervised-learning-algorithms-in-adaptive-feedback-control/152096</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.4018/978-1-5225-0063-6.ch002" target="_blank" >10.4018/978-1-5225-0063-6.ch002</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    HONU and Supervised Learning Algorithms in Adaptive Feedback Control

  • Popis výsledku v původním jazyce

    This chapter is a summarizing study of Higher Order Neural Units featuring the most common learning algorithms for identification and adaptive control of most typical representatives of plants of single-input single-output (SISO) nature in the control engineering field. In particular, the linear neural unit (LNU, i.e., 1st order HONU), quadratic neural unit (QNU, i.e. 2nd order HONU), and cubic neural unit (CNU, i.e. 3rd order HONU) will be shown as adaptive feedback controllers of typical models of linear plants in control including identification and control of plants with input time delays. The investigated and compared learning algorithms for HONU will be the step-by-step Gradient Descent adaptation with the study of known modifications of learning rate for improved convergence, the batch Levenberg-Marquardt algorithm, and the Resilient Back-Propagation algorithm. The theoretical achievements will be summarized and discussed as regards their usability and the real issues of control engineering tasks.

  • Název v anglickém jazyce

    HONU and Supervised Learning Algorithms in Adaptive Feedback Control

  • Popis výsledku anglicky

    This chapter is a summarizing study of Higher Order Neural Units featuring the most common learning algorithms for identification and adaptive control of most typical representatives of plants of single-input single-output (SISO) nature in the control engineering field. In particular, the linear neural unit (LNU, i.e., 1st order HONU), quadratic neural unit (QNU, i.e. 2nd order HONU), and cubic neural unit (CNU, i.e. 3rd order HONU) will be shown as adaptive feedback controllers of typical models of linear plants in control including identification and control of plants with input time delays. The investigated and compared learning algorithms for HONU will be the step-by-step Gradient Descent adaptation with the study of known modifications of learning rate for improved convergence, the batch Levenberg-Marquardt algorithm, and the Resilient Back-Propagation algorithm. The theoretical achievements will be summarized and discussed as regards their usability and the real issues of control engineering tasks.

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

    BC - Teorie a systémy řízení

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

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