| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:NARX Deep Convolutional Fuzzy System for Modelling Nonlinear Dynamic Processes
Avtorji:ID Golob, Marjan (Avtor)
Datoteke:.pdf mathematics-11-00304.pdf (5,86 MB)
MD5: 1E7256A0A89A93C472B004DB92DD3D03
 
URL https://www.mdpi.com/2227-7390/11/2/304
 
Jezik:Angleški jezik
Vrsta gradiva:Neznano
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:This paper presents a new approach for modelling nonlinear dynamic processes (NDP). It is based on a nonlinear autoregressive with exogenous (NARX) inputs model structure and a deep convolutional fuzzy system (DCFS). The DCFS is a hierarchical fuzzy structure, which can overcome the deficiency of general fuzzy systems when facing high dimensional data. For relieving the curse of dimensionality, as well as improving approximation performance of fuzzy models, we propose combining the NARX with the DCFS to provide a good approximation of the complex nonlinear dynamic behavior and a fast-training algorithm with ensured convergence. There are three NARX DCFS structures proposed, and the appropriate training algorithm is adapted. Evaluations were performed on a popular benchmark—Box and Jenkin’s gas furnace data set and the four nonlinear dynamic test systems. The experiments show that the proposed NARX DCFS method can be successfully used to identify nonlinear dynamic systems based on external dynamics structures and nonlinear static approximators.
Ključne besede:process identification, input-output modelling, NARX model, decomposed fuzzy system, hierarchical fuzzy system, deep convolutional fuzzy system
Verzija publikacije:Objavljena publikacija
Poslano v recenzijo:07.12.2022
Datum sprejetja članka:28.12.2022
Datum objave:06.01.2023
Založnik:MDPI
Leto izida:2023
Št. strani:22
Številčenje:Vol. 11, no. 2
PID:20.500.12556/DKUM-86409 Novo okno
UDK:681.5
eISSN:2227-7390
COBISS.SI-ID:136924931 Novo okno
DOI:10.3390/math11020304 Novo okno
ISSN pri članku:2227-7390
Avtorske pravice:© 2023 by the author
Datum objave v DKUM:30.11.2023
Število ogledov:206
Število prenosov:8
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
Področja:Ostalo
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Mathematics
Založnik:MDPI
Leto izida:2023
ISSN:2227-7390

Gradivo je financirano iz projekta

Financer:ARRS - Agencija za raziskovalno dejavnost Republike Slovenije
Številka projekta:P2-0028
Naslov:Mehatronski sistemi

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.
Začetek licenciranja:06.01.2023

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:identifikacijski procesi, modeliranje, mehki sistemi


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici