文献

J-GLOBAL ID：201902227406494695   整理番号：19A0526931

高速端末スライディングモードに基づく学習アルゴリズムを用いた動径基底関数ニューラルネットワーク近似器とその制御系への応用【JST・京大機械翻訳】

A Radial Basis Function Neural Network approximator with fast terminal sliding mode-based learning algorithm and its application in control systems

著者 (4件)： Khazaei Mohammad (School of Electrical Engineering, Iran University of Science and Technology, Tehran, Iran) ,  Sadat-Hosseini Hossein (School of Electrical Engineering, Iran University of Science and Technology, Tehran, Iran) ,  Marjaninejad Ali (Biomedical Engineering Department, University of Southern California, Los Angeles, United States of America) ,  Daneshvar Sabalan (Faculty of Electrical & Computer Engineering, University of Tabriz, Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICEE  ページ： 812-816  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 本論文は,未知の連続関数を近似するために,動径基底関数ニューラルネットワーク(RBFNN)のための新しい学習アルゴリズムを提示した。このアルゴリズムは,従来の勾配降下アルゴリズムに高速端末スライディングモード(FTSM)を適用することに基づいており,これにより原点への収束が速くなる。提案したアルゴリズムの安定性をLyapunov定理によって保証した。提案した方法の精度と効率を実証するために,提案した近似器をスライディングモード制御(SMC)と組み合わせることにより,Duffingシステムの制御に使用した。シミュレーション結果は,収束速度の増加とRMS誤差の少ない未知の非線形連続関数の近似における提案方式の利点を検証した。提案した方法は収束時間とRMS誤差値がそれぞれ約2秒と0.374であり,これらの値は通常の方法では13秒と0.625であった。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： スライディングモード制御 ,  *端末装置 ,  *高速度 ,  *アルゴリズム ,  シミュレーション ,  *近似法 ,  *制御系 ,  *学習アルゴリズム
準シソーラス用語： 収束速度 ,  連続関数 ,  動径基底関数ニューラルネットワーク ,  *スライディングモード , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： スライディングモード ,  学習アルゴリズム ,  動径基底関数ニューラルネットワーク ,  近似 ,  制御系 ,  応用