Artificial Neural Network with Radial Basis Function in Model Predictive Control

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28110%2F09%3A63508098" target="_blank" >RIV/70883521:28110/09:63508098 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Artificial Neural Network with Radial Basis Function in Model Predictive Control

Popis výsledku v původním jazyce

This paper deals with application of artificial neural network with radial basis function as a predictor in model predictive control. Radial basis function neural networks are known for their fast training. Thus, this type of artificial neural networks offers promising way how to reduce computational cost during offline predictor training and eventual online adaptation. The features of this type of artificial neural network are presented in simulations in MATLAB/Simulink on the nonlinear system control.The aim of this paper is to suggest one approach how to solve nonlinear prediction problem using artificial neural network respecting computational demands of the predictor.

Název v anglickém jazyce

Artificial Neural Network with Radial Basis Function in Model Predictive Control

Popis výsledku anglicky

This paper deals with application of artificial neural network with radial basis function as a predictor in model predictive control. Radial basis function neural networks are known for their fast training. Thus, this type of artificial neural networks offers promising way how to reduce computational cost during offline predictor training and eventual online adaptation. The features of this type of artificial neural network are presented in simulations in MATLAB/Simulink on the nonlinear system control.The aim of this paper is to suggest one approach how to solve nonlinear prediction problem using artificial neural network respecting computational demands of the predictor.

Druh

D - Stať ve sborníku

CEP obor

JB - Senzory, čidla, měření a regulace

OECD FORD obor

—

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)

Rok uplatnění

2009

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of 10th International Carpathian Control Conference ICCC 2009

ISBN

83-89772-51-5

ISSN

—

e-ISSN

—

Počet stran výsledku

4

Strana od-do

—

Název nakladatele

AGH University of Science and Technology

Místo vydání

Krakow

Místo konání akce

Zakopane

Datum konání akce

24. 5. 2009

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—