Elman Neural Networks in Model Predictive Control
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28110%2F09%3A63508097" target="_blank" >RIV/70883521:28110/09:63508097 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Elman Neural Networks in Model Predictive Control
Popis výsledku v původním jazyce
The goal of this paper is to present interesting way how to model and predict nonlinear systems using recurrent neural network. This type of artificial neural networks is underestimated and marginalized. Nevertheless, it offers superior modelling features at reasonable computational costs. This contribution is focused on Elman Neural Network, two-layered recurrent neural network. The abilities of this network are presented in the nonlinear system control. The task of the controller is to control the liquid level in the second of two interconnected cylindrical tanks. The mathematical model of the real-time system was derived in order to test predictor and consequently the controller in Matlab/Simulink simulations.
Název v anglickém jazyce
Elman Neural Networks in Model Predictive Control
Popis výsledku anglicky
The goal of this paper is to present interesting way how to model and predict nonlinear systems using recurrent neural network. This type of artificial neural networks is underestimated and marginalized. Nevertheless, it offers superior modelling features at reasonable computational costs. This contribution is focused on Elman Neural Network, two-layered recurrent neural network. The abilities of this network are presented in the nonlinear system control. The task of the controller is to control the liquid level in the second of two interconnected cylindrical tanks. The mathematical model of the real-time system was derived in order to test predictor and consequently the controller in Matlab/Simulink simulations.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JB - Senzory, čidla, měření a regulace
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GP102%2F07%2FP137" target="_blank" >GP102/07/P137: Prediktivní řízení pomocí umělých neuronových sítí s online adaptací prediktoru</a><br>
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2009
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 of the 23rd European Conference on Modelling and Simulation ECMS 2009
ISBN
0-9553018-8-2
ISSN
—
e-ISSN
—
Počet stran výsledku
5
Strana od-do
—
Název nakladatele
European Council for Modelling and Simulation
Místo vydání
Madrid
Místo konání akce
Madrid
Datum konání akce
9. 6. 2009
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—