Vor Ort
Merkzettel Warenkorb
  • Produktbild: Artificial Neural Networks for Modelling and Control of Non-Linear Systems
  • Produktbild: Artificial Neural Networks for Modelling and Control of Non-Linear Systems

Artificial Neural Networks for Modelling and Control of Non-Linear Systems

146,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

07.12.2010

Abbildungen

XII, 235 p.

Verlag

Springer Us

Seitenzahl

235

Maße (L/B/H)

23,5/15,5/1,4 cm

Gewicht

382 g

Auflage

Softcover reprint of hardcover 1st edition 1996

Sprache

Englisch

ISBN

978-1-4419-5158-8

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

07.12.2010

Abbildungen

XII, 235 p.

Verlag

Springer Us

Seitenzahl

235

Maße (L/B/H)

23,5/15,5/1,4 cm

Gewicht

382 g

Auflage

Softcover reprint of hardcover 1st edition 1996

Sprache

Englisch

ISBN

978-1-4419-5158-8

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Artificial Neural Networks for Modelling and Control of Non-Linear Systems
  • Produktbild: Artificial Neural Networks for Modelling and Control of Non-Linear Systems
  • 1 Introduction.- 1.1 Neural information processing systems.- 1.2 ANNs for modelling and control.- 1.3 Chapter by Chapter overview.- 1.4 Contributions.- 2 Artificial neural networks: architectures and learning rules.- 2.1 Basic neural network architectures.- 2.2 Universal approximation theorems.- 2.3 Classical paradigms of learning.- 2.4 Conclusion.- 3 Nonlinear system identification using neural networks.- 3.1 From linear to nonlinear dynamical models.- 3.2 Parametrization by ANNs.- 3.3 Learning algorithms.- 3.4 Elements from nonlinear optimization theory.- 3.5 Aspects of model validation, pruning and regularization.- 3.6 Neural network models as uncertain linear systems.- 3.7 Examples.- 3.8 Conclusion.- 4 Neural networks for control.- 4.1 Neural control strategies.- 4.2 Neural optimal control.- 4.3 Conclusion.- 5 NLq Theory.- 5.1 A neural state space model framework for neural control design.- 5.2 NLq systems.- 5.3 Global asymptotic stability criteria for NLqs.- 5.4 Input/Output properties — l2 theory.- 5.5 Robust performance problem.- 5.6 Stability analysis: formulation as LMI problems.- 5.7 Neural control design.- 5.8 Control design: some case studies.- 5.9 NLqs beyond control.- 5.10 Conclusion.- 6 General conclusions and future work.- A.1 A generalization of Chua’s circuit.- B Fokker-Planck Learning Machine for Global Optimization.- B.1 Fokker-Planck equation for recursive stochastic algorithms.- B.2 Parametrization of the pdf by RBF networks.- B.3 FP machine: conceptual algorithm.- B.4 Examples.- B.5 Conclusions.