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”

Využití neuronové sítě pro identifikaci realného systému

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F11%3A43866799" target="_blank" >RIV/70883521:28140/11:43866799 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    čeština

  • Název v původním jazyce

    Využití neuronové sítě pro identifikaci realného systému

  • Popis výsledku v původním jazyce

    Identifikace systémů je proces, kdy z naměřených dat můžeme odvodit parametry matematického modelu. Pro buzení těchto soustav je vhodné použít různé vstupní signály jako jsou např. náhodný, pseudonáhodný binární signál, bílý šum. Odezvou na tento vstupnísignál je výstupní signál. Asi nejznámější a nejpoužívanější klasickou metodou pro výpočet odhadu parametrů modelu je metoda nejmenších čtverců. Cílem tohoto příspěvku ale není popis klasické identifikace, ale využití umělé inteligence a to neuronovýchsítí. Existuje několik typů neuronových sítí. Pro potřeby tohoto příspěvku byla vybrána dopředná neuronová síť a algoritmus učení je použit Levenberg-Marquardt.

  • Název v anglickém jazyce

    Using Neural Network for Identification Real System

  • Popis výsledku anglicky

    The identification of systems is the process that tries to find unknown parameters. They are determined on the basis of measured data. It is suitable to use various input signals such as random, pseudo-random binary signal, white noise for excitation ofthe systems. The response of input signal is measured as output signal. The method of least squares is the best known and the most widely used for calculating of the unknown parameters. The aim of this paper is in the usage of neural network for identification process instead of classical approach. There are several types of neural networks. For the purpose of this paper was selected feedforward neural. The network uses Levenberg-Marquardt algorithm for the learning.

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

    2011

  • Kód důvěrnosti údajů

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