文献

J-GLOBAL ID：201602212472676653   整理番号：16A0611854

ロボットマニプレータ制御実現のための動径基底関数を用いたスピントロニックメムリスタベースニューラル・ネットワーク【Powered by NICT】

A Spintronic Memristor-Based Neural Network With Radial Basis Function for Robotic Manipulator Control Implementation

著者 (5件)： Tianshu Li (Coll. of Electron. & Inf. Eng., Southwest Univ., Beibei, China) ,  Shukai Duan (Coll. of Electron. & Inf. Eng., Southwest Univ., Beibei, China) ,  Jun Liu (Coll. of Eng. & Technol., Southwest Univ., Beibei, China) ,  Lidan Wang (Coll. of Electron. & Inf. Eng., Southwest Univ., Beibei, China) ,  Tingwen Huang (Dept. of Electr. & Comput. Eng., Texas A&M Univ. at Qatar, Doha, Qatar)
資料名： IEEE Transactions on Systems, Man, and Cybernetics: Systems  (IEEE Transactions on Systems, Man, and Cybernetics: Systems)
巻： 46  号： 4  ページ： 582-588  発行年： 2016年 
JST資料番号： C0425D  ISSN： 2168-2216  CODEN： ITSMFE  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 動径基底関数(RBF)ニューラルネットワーク制御アルゴリズムは,大きな量の不確実性に対するロボットマニプレータの性能を効果的に改善できる。適応則をLyapunov法を用いて導くことができるロボットマニプレータ制御系の安定性とRBF(動径基底関数)ニューラルネットワークの重量自己適応収束が保証されるようにした。一方,最適重み値に与えられた最適初期重量値からシステムの収束に起因する,各始動プロセス中の系のゆらぎともオーバーシュート現象は,システムの最初の手術後の最適量を記憶するメモリスタを用いることにより避けることができる。上記の解析によると,この対応では,スピントロニクスメモリスタに基づくRBF(動径基底関数)ニューラルネットワーク制御アルゴリズムを設計し,次にその理論的導出過程と炉心設計アイデアを解析した。最後に,制御対象として二リンクロボットマニピュレータを用いたシステムシミュレーションモデルは,アルゴリズムの妥当性と実現可能性を証明するために構築した。シミュレーション結果は,提案したアルゴリズムが前提の影響を満たすことができることを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ゆらぎ ,  アルゴリズム ,  不確実性 ,  オーバシュート ,  *動径基底関数 ,  シミュレーション ,  制御系 ,  *ニューラルネットワーク
準シソーラス用語： 炉心設計 ,  メモリスタ ,  自己適応 ,  制御アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： スピントロニクスメモリスタ ,  クロスバーアレイ ,  RBF(動径基底関数)ニューラルネットワーク ,  ロボットマニプレータ ,  自己適応アルゴリズム

分類 (4件)： その他のオペレーションズリサーチの手法  (KA03070E) ,  信頼性  (KB04040H) ,  ネットワーク法  (KA03040X) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ロボット ,  マニプレータ ,  動径基底関数 ,  スピン