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”

Prediction and predictive control using feedforward neural network

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28110%2F01%3A00000044" target="_blank" >RIV/70883521:28110/01:00000044 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Prediction and predictive control using feedforward neural network

  • Popis výsledku v původním jazyce

    Predictive control using artificial neural network with algorithm backpropagation is presented in the paper. This is the "learning teacher" type of the ANN (artifiicial neural network). Pairs of corresponding values to each other are put at the inputs and outputs in the training phase. Then, the information "overflows" from inputs to outputs and back until it gains the minimal global error per the number of epochs. After teaching, the ANN is able to predict the output value perfectly although the disturbance signal is presented. Neural network is by this way used as nonlinear substitution for very complex systems and controlled output value is predicted. This value is then used for PSD controller adaptive control. The results are presented as simulatedexamples in the environment of MATLAB and Simulink programs.

  • Název v anglickém jazyce

    Prediction and predictive control using feedforward neural network

  • Popis výsledku anglicky

    Predictive control using artificial neural network with algorithm backpropagation is presented in the paper. This is the "learning teacher" type of the ANN (artifiicial neural network). Pairs of corresponding values to each other are put at the inputs and outputs in the training phase. Then, the information "overflows" from inputs to outputs and back until it gains the minimal global error per the number of epochs. After teaching, the ANN is able to predict the output value perfectly although the disturbance signal is presented. Neural network is by this way used as nonlinear substitution for very complex systems and controlled output value is predicted. This value is then used for PSD controller adaptive control. The results are presented as simulatedexamples in the environment of MATLAB and Simulink programs.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • 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

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2001

  • 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

    Proc. 4th International Conference on Prediction and Nonlinear Dynamics

  • ISBN

    80-7318-030-8

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    1-6

  • Název nakladatele

    UTB

  • Místo vydání

    Zlín

  • Místo konání akce

    Zlín

  • Datum konání akce

    25. 9. 2001

  • Typ akce podle státní příslušnosti

    CST - Celostátní akce

  • Kód UT WoS článku