ترغب بنشر مسار تعليمي؟ اضغط هنا

بناء مؤمثل عصبوني أمامي لخوارزمية التحكم التنبؤي النموذجي

Building a feedforward neural network optimizer in Model Predictive Control Algorithm

1182   0   113   0 ( 0 )
 تاريخ النشر 2017
والبحث باللغة العربية
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

يَعرض هذا البحث إمكانية الاستعاضة عن المؤمثل الرياضي في خوازمية التحكم التنبؤي بمؤمثل عصبوني أمامي (Feedforward Neural Network Optimizer: FNNO) و من تم تدريبه بشكل مسيق offline لتصغير تابع الكلفة. حافظنا بهذه الطريقة على نموذج النظام الذي يعد أساساً في خوارزمية التحكم التنبؤي للحصول على الدقة المطلوبة. و تم حل مسألة الأمثلة خلال زمن أسرع من زمن حلها عند استخدام خوارزميات الأمثلة التقليدية المعتمدة على الحوسبة الرقمية.

المراجع المستخدمة
Bernt M. A ˚ kesson, Hannu T. Toivonen,2006- " A Neural Network Model Predictive Controller" Journal of Process Control 16, 937–946
CAMACHO,E,2007- " Model Predictive Control. Springer, Second Edition," New York
Yunpeng Pan and Jun Wang,2008-" Two Neural Network Approaches to Model Predictive Control", American Control Conference, WeC13.5
قيم البحث

اقرأ أيضاً

يهدف هذا البحث للحصول على نموذج عصبوني لفئة من النظم الخطية و اللاخطية و ذلك باستخدام خوارزمية البرمجة التطورية Evolutionary programming(EP لاختيار التركيب البنيوي الأمثل للشبكة العصبونية. استخدمنا برنامج ماتلاب Matlab لتصميم الشبكات العصبونية باستخد ام EP, لما يملك من مرونة و سهولة في تمثيل المصفوفات (الأنساق الخلوية Cell Arrays و الأنساق متعددة الأبعادMulti Dimension Arrays ). و قد أثبتت النتائج العملية كفاءة الخوارزمية المستخدمة في الوصول إلى شبكة عصبونية مثلى. تم اختبار أداء و صلادة النموذج الناتج و ذلك بحذف إحدى عصبونات الطبقة المخفية للشبكة التي نتجت عن تطبيق EP و دراسة تأثير هذا الحذف على خرج النموذج الناتج, و قد أكدت الدراسة على فعالية الخوارزمية و ذلك بالنسبة لفئة النظم المستخدمة.
يَعرض هذا اَلبحث آَلية لَتكييف مَعامل تَوزين إَشارة اَلتحكم فَي تَقنية اَلتحكم اَلتنبؤيَ المُعمَّمة مَع مَطال إَشارة اَلتشويش اَلقابلة لَلقياس وَ المؤثرة عَلى مَدخل تَدفق اَلحمض فَيَ نظام مَُعادلة اَلأيون اَلهيدروجيني. حَيث تَكمن اَلفائدة مَن عَملية اَلتكييف هذه فَي جَعلَ إشارة اَلتحكم اَلتي تَقود مَُشغِّل تَدفق اَلأساس أَخف سَرعة وَ حِدَّة ( أي أَقل تَغيرا )، وَ الذيَ من شَأنه أَن يَحمي هذا اَلمشغل مَن اَلتلف وَ يطيل عَمره وَ يُقلل مَن تَكاليف صَيانته. تَمَ رصد فَعالية عَملية اَلتكييف عَن طَريق حَساب مَؤشري تَكامل اَلقيمة اَلمطلقة لَلخطأَ و تكامل اَلقيمة اَلمطلقة لَمشتق اَلإشارة فَي نَتائج عَملية اَلمحاكاة.
يتضمن هذا البحث بناء نواة محرك بحث يمكنه العمل ضمن شبكة الانترنت , قادر على التحكم بالبحث عن معلومات بمجالات محددة و فهرسة مواقع معينة . تم في هذا البحث دراسة مسألة البحث عن المعلومات عبر الانترنيت و نظم استرجاع المعلومات و أنواع محركات البحث و المع ماريات الأساسية لبناء المحركات و من ثم اقتراح معمارية محرك بحث يصلح نواة لمحرك البحث المرغوب و تحديد المخطط النهائي لمعمارية محرك البحث حيث تم بناء مقاطع محرك البحث و إجراء الاختبارات و النتائج.
نقدم العمل الجاري لتقييم، لمعرفتنا، أول نموذج لغز إذن كبير تم تدريبه على التحدث باللغة السويدية، باستخدام البيانات من Flashback من مناقشة النقاش عبر الإنترنت.نقوم بإجراء دراسة تجريبية للتقييم البشري تشير إلى أن النموذج غالبا ما يكون في الغالب من الاس تجابة للمحادثات بطريقة تشبه الإنسان والمعلومات، على مجموعة متنوعة من الموضوعات.في حين أن البيانات من المنتديات عبر الإنترنت يمكن أن تكون مفيدة لبناء أنظمة محادثة، فإننا نفكر في العواقب السلبية التي قد يكون لها تطبيق غير حكيم، والحاجة إلى اتخاذ تدابير فعالة لحماية ضدهم.
نقترح إطارا جديدا لتدريب النماذج لتصنيف مقبولية الردود الناتجة عن نماذج توليد اللغة الطبيعية (NLG)، وتحسين تحويل الجملة الحالية والنهج القائمة على النماذج. يعتبر استجابة NLG مقبولة إذا كانت كل من صحيحة وتجميعها. نحن لا نستخدم أي مراجع بشرية مما يجعل المصنفين مناسبين لنشر وقت التشغيل. يتم الحصول على بيانات التدريب للصفوف المصنفة باستخدام نهج من 2 مراحل من أول توليد البيانات الاصطناعية باستخدام مزيج من النهج القائمة والجديدة القائمة على النموذج متبوعا بإطار التحقق من صحة جديدة لتصفية وفرز البيانات الاصطناعية في فئات مقبولة وغير مقبولة. يتكيف نهجنا ذو المرحلتين لدينا بمجموعة واسعة من تمثيل البيانات ولا يتطلب بيانات إضافية تتجاوز ما يتم تدريب نماذج NLG عليها. وهي أيضا مستقلة عن الهندسة المعمارية النموذجية NLG الأساسية، وقادرة على توليد عينات أكثر واقعية قريبة من توزيع الردود الناتجة عن النموذج NLG. نقدم النتائج على 5 مجموعات بيانات (Webnlg، وتنظيفها E2E، Viggo، والتنبيه، والطقس) بتمثيلات بيانات متفاوتة. قارن إطار عملنا مع التقنيات الحالية التي تنطوي على توليد بيانات الاصطناعية باستخدام تحويلات جملة بسيطة و / أو تقنيات قائمة على الطراز، وإظهار أن بناء مصنف مقبولية يستخدمون البيانات التي تشبه مخرجات طراز الجيل تتبع إطار التحقق من الصحة تتفوق على التقنيات الحالية، وتحقيق الدولة النتائج من الفن. نظهر أيضا أن تقنياتنا يمكن استخدامها في إعدادات قليلة عند استخدام التدريب الذاتي.
التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا