About: Predictive control using artificial neural networks with online adaptation of predictor     Goto   Sponge   NotDistinct   Permalink

An Entity of Type : http://linked.opendata.cz/ontology/domain/vavai/Projekt, within Data Space : linked.opendata.cz associated with source document(s)

AttributesValues
rdf:type
Description
  • Projekt se zabývá prediktivním řízením pomocí umělých neuronových sítí. Konkrétně je zaměřen na problematiku prediktoru založeného na umělé neuronové síti. V současné době většina metod prediktivního řízení s umělou neuronovou sítí jako prediktorem používá pouze offline identifikaci prediktoru. Je to způsobeno tím, že použití umělých neuronových sítí v řídících algoritmech výrazně navyšuje výpočetní náročnost celého regulátoru a průběžná (online) identifikace prediktoru výpočetní náročnost ještě více zvyšuje. Avšak použití offline identifikovaného prediktoru má mnoho nevýhod. Jsou to především vysoké požadavky na jeho přesnost, resp. na kvalitu offline identifikace, dále také nevhodnost takovéhoto regulátoru pro řízení t-variantních systémů. Proto těžiště projektu spočívá v nalezení vhodného prediktoru na bázi umělé neuronové sítě, jehož výpočetní náročnost umožní nasazení v prediktivních regulátorech při řízení nelineárních systémů. Současně musí struktura a vlastnosti umělé neuronové sítě (cs)
  • Project involves predictive control using artificial neural networks. It is especially aimed to the predictor problem based on artificial neural network. Nowadays, most of predictive control methods with artificial neural network as a predictor use only offline identified predictor. It is caused by the fact that usage of artificial neural networks in control algorithms significantly increases computational demands of the controller as a whole. What is more, the online identification of the predictor computational cost increases even more. However usage of the offline identified predictor has many disadvantages. Main drawback is high demands for the predictor accuracy and offline identification is useless for t-variant processes. Therefore, this project will be focused on developing suitable predictor based on artificial neural network while its computational demands enable usage in predictive controllers of nonlinear processes. At the same time, the structure and properties of the artificial (en)
Title
  • Prediktivní řízení pomocí umělých neuronových sítí s online adaptací prediktoru (cs)
  • Predictive control using artificial neural networks with online adaptation of predictor (en)
http://linked.open...vai/cislo-smlouvy
http://linked.open...avai/druh-souteze
http://linked.open...domain/vavai/faze
http://linked.open...vavai/hlavni-obor
http://linked.open...vavai/id-aktivity
http://linked.open.../vavai/id-souteze
http://linked.open...n/vavai/kategorie
http://linked.open...vai/klicova-slova
  • predictive control; artificial neural networks; prediction (en)
http://linked.open...avai/konec-reseni
http://linked.open...nujicich-prijemcu
http://linked.open...avai/poskytovatel
http://linked.open...avai/start-reseni
http://linked.open...ai/statni-podpora
http://linked.open...vavai/typProjektu
http://linked.open...ai/uznane-naklady
http://linked.open...ai/pocet-prijemcu
http://linked.open...cet-spoluprijemcu
http://linked.open...ai/pocet-vysledku
http://linked.open...ku-zverejnovanych
is http://linked.open...ain/vavai/projekt of
Faceted Search & Find service v1.16.118 as of Jun 21 2024


Alternative Linked Data Documents: ODE     Content Formats:   [cxml] [csv]     RDF   [text] [turtle] [ld+json] [rdf+json] [rdf+xml]     ODATA   [atom+xml] [odata+json]     Microdata   [microdata+json] [html]    About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data] Valid XHTML + RDFa
OpenLink Virtuoso version 07.20.3240 as of Jun 21 2024, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (126 GB total memory, 47 GB memory in use)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software