ماشین‏ های یادگیری حدی راف پایدار برای شناسایی سیستم های غیرخطی زمان-پیوسته غیرقطعی

نویسنده:

قاسم احمدی*

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

ماشین‌های یادگیری حدی راف شبکه‌های راف-عصبی با یک لایه پنهان هستند که در آنها پارامترهای بین ورودی‌ها و نورون‌های پنهان به صورت تصادفی انتخاب می‌شوند و هرگز به روز نمی‌شوند. در این مقاله، ماشینهای یادگیری حدی راف با یک الگوریتم یادگیری برخط پایدار را برای شناسایی سیستمهای غیرخطی زمان-پیوسته در حضور نویزها و عدم‌قطعیت‌ها پیشنهاد می‌کنیم و با استفاده از نظریه پایداری لیاپانوف، همگرایی مجانبی سراسری الگوریتم یادگیری پیشنهاد شده را اثبات می‌کنیم. سپس، از روش پیشنهاد شده برای شناسایی سیستم‌های آشوبی نوسانگر دافینگ و سیستم لورنز بهره می‌گیریم. نتایج شبیه‌سازی کارآمدی مدل پیشنهادی را نشان می‌دهد.

کلیدواژگان:

شناسایی سیستم ، ماشین یادگیری حدی ، شبکه راف-عصبی ، ماشین یادگیری حدی راف ، نظریه پایداری لیاپانوف

زبان:
انگلیسی
انتشار در:
مجله کنترل و بهینه سازی در ریاضیات کاربردی، سال چهارم شماره 1 (Spring-Summer 2019)
صفحات:
83 تا 101
لینک کوتاه:
magiran.com/p2186067 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
اطلاعات بیشتر
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!
More information