Attributes | Values |
---|
rdf:type
| |
Description
| - 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 vstupní signál 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 neuronových sítí. Existuje několik typů neuronových sítí. Pro potřeby tohoto příspěvku byla vybrána dopředná neuronová síť a algoritmus učení je použit Levenberg-Marquardt.
- 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 vstupní signál 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 neuronových sítí. Existuje několik typů neuronových sítí. Pro potřeby tohoto příspěvku byla vybrána dopředná neuronová síť a algoritmus učení je použit Levenberg-Marquardt. (cs)
- 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 of the 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. (en)
|
Title
| - Using Neural Network for Identification Real System (en)
- Využití neuronové sítě pro identifikaci realného systému
- Využití neuronové sítě pro identifikaci realného systému (cs)
|
skos:prefLabel
| - Using Neural Network for Identification Real System (en)
- Využití neuronové sítě pro identifikaci realného systému
- Využití neuronové sítě pro identifikaci realného systému (cs)
|
skos:notation
| - RIV/70883521:28140/11:43866799!RIV12-MSM-28140___
|
http://linked.open...avai/predkladatel
| |
http://linked.open...avai/riv/aktivita
| |
http://linked.open...avai/riv/aktivity
| |
http://linked.open...vai/riv/dodaniDat
| |
http://linked.open...aciTvurceVysledku
| |
http://linked.open.../riv/druhVysledku
| |
http://linked.open...iv/duvernostUdaju
| |
http://linked.open...titaPredkladatele
| |
http://linked.open...dnocenehoVysledku
| |
http://linked.open...ai/riv/idVysledku
| - RIV/70883521:28140/11:43866799
|
http://linked.open...riv/jazykVysledku
| |
http://linked.open.../riv/klicovaSlova
| - Feedworard neural network, Levenberg-Marquardt, Amira DR 300 (en)
|
http://linked.open.../riv/klicoveSlovo
| |
http://linked.open...ontrolniKodProRIV
| |
http://linked.open...in/vavai/riv/obor
| |
http://linked.open...ichTvurcuVysledku
| |
http://linked.open...cetTvurcuVysledku
| |
http://linked.open...UplatneniVysledku
| |
http://linked.open...iv/tvurceVysledku
| |
http://localhost/t...ganizacniJednotka
| |