Serwis Infona wykorzystuje pliki cookies (ciasteczka). Są to wartości tekstowe, zapamiętywane przez przeglądarkę na urządzeniu użytkownika. Nasz serwis ma dostęp do tych wartości oraz wykorzystuje je do zapamiętania danych dotyczących użytkownika, takich jak np. ustawienia (typu widok ekranu, wybór języka interfejsu), zapamiętanie zalogowania. Korzystanie z serwisu Infona oznacza zgodę na zapis informacji i ich wykorzystanie dla celów korzytania z serwisu. Więcej informacji można znaleźć w Polityce prywatności oraz Regulaminie serwisu. Zamknięcie tego okienka potwierdza zapoznanie się z informacją o plikach cookies, akceptację polityki prywatności i regulaminu oraz sposobu wykorzystywania plików cookies w serwisie. Możesz zmienić ustawienia obsługi cookies w swojej przeglądarce.
In this paper, the problem of adaptive iterative learning control using neural networks is addressed by an error tracking approach for systems with arbitrary initial states. The desired error trajectory is pre-specified at the design stage. It is shown that the tracking error is ensured to converge to an adjustable neighborhood of a pre-specified one. The performance improvement is made possible in...
By utilizing QR decomposition technique, an orthogonal iterative learning least squares algorithm is proposed for time-varying high-order neural network training, which is applied for the identification of time-varying nonlinear systems over a finite time interval. With the help of two-dimensional Givens transformation, both on-line and off-line identification procedures are presented for weights...
This paper presents a neural network framework for implementing unknown time-varying mappings. A unified architecture of time-varying neural networks is proposed, and the methodology of iterative learning is used for the network training. Convergence results of the iterative learning least squares algorithm are derived under assumption of bounded input signals. Periodic neural networks are explored...
This paper presents neural networks iterative learning control for a class of nonlinear time-varying systems. A finite time boundary layer is introduced and the inherent property of terminal sliding modes is exploited to realize finite time convergence, in the presence of initial repositioning errors. The neural networks employed in the controls have time-varying weights. Both indirect and direct...
Podaj zakres dat dla filtrowania wyświetlonych wyników. Możesz podać datę początkową, końcową lub obie daty. Daty możesz wpisać ręcznie lub wybrać za pomocą kalendarza.