دانلود کتاب شناسایی سیستمهای غیرخطی با استفاده از شبکههای عصبی و مدلهای چند جملهای: رویکردی بلوکگرا بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Identification of Nonlinear Systems Using Neural Networks and Polynomial Models: A Block-Oriented Approach
ویرایش : 1
عنوان ترجمه شده به فارسی : شناسایی سیستمهای غیرخطی با استفاده از شبکههای عصبی و مدلهای چند جملهای: رویکردی بلوکگرا
سری : Lecture Notes in Control and Information Science 310
نویسندگان : Andrzej Janczak (auth.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 2005
تعداد صفحات : 207
ISBN (شابک) : 9783540231851 , 9783540315964
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 5 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
این تک نگاری به طور سیستماتیک روشهای شناسایی موجود سیستمهای غیرخطی را با استفاده از رویکرد بلوکگرا ارائه میکند. این کتاب یک مطالعه مقایسه ای از دقت تقریب گرادیان، پیچیدگی محاسباتی و نرخ همگرایی آنها را ارائه می دهد و علاوه بر این، برخی از روش های جدید و اصلی را در مورد تنظیم پارامتر مدل با تکنیک های مبتنی بر گرادیان ارائه می دهد. \"شناسایی سیستمهای غیرخطی با استفاده از شبکههای عصبی و مدلهای چندجملهای\" برای محققان، مهندسان و دانشجویان تحصیلات تکمیلی در سیستمهای غیرخطی و نظریه شبکههای عصبی مفید است.
This monograph systematically presents the existing identification methods of nonlinear systems using the block-oriented approach It surveys various known approaches to the identification of Wiener and Hammerstein systems which are applicable to both neural network and polynomial models. The book gives a comparative study of their gradient approximation accuracy, computational complexity, and convergence rates and furthermore presents some new and original methods concerning the model parameter adjusting with gradient-based techniques. "Identification of Nonlinear Systems Using Neural Networks and Polynomal Models" is useful for researchers, engineers and graduate students in nonlinear systems and neural network theory.