System identification using monotonic fuzzy models

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F18%3A00327372" target="_blank" >RIV/68407700:21230/18:00327372 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
System identification using monotonic fuzzy models
Popis výsledku v původním jazyce
Fuzzy models became very popular tool for identification of nonlinear systems from input-output data. Unfortunately, their behaviour is considerably deteriorated in the regions where the data is sparse or contaminated by a noise. The paper shows that when a nonlinear function describing the systems is monotonic then a fuzzy system guaranteeing monotonicity significantly improves the performance of the fuzzy model. Furthermore, sufficient conditions for monotonicity of Takagi-Sugeno fuzzy systems with Gaussian membership functions are derived.
Název v anglickém jazyce
System identification using monotonic fuzzy models
Popis výsledku anglicky
Fuzzy models became very popular tool for identification of nonlinear systems from input-output data. Unfortunately, their behaviour is considerably deteriorated in the regions where the data is sparse or contaminated by a noise. The paper shows that when a nonlinear function describing the systems is monotonic then a fuzzy system guaranteeing monotonicity significantly improves the performance of the fuzzy model. Furthermore, sufficient conditions for monotonicity of Takagi-Sugeno fuzzy systems with Gaussian membership functions are derived.

Projekt
<a href="/cs/project/GA18-26278S" target="_blank" >GA18-26278S: Zahrnutí apriorní informace při identifikaci nelineárních systémů</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění
2018
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)