برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب DIFFERENTIAL NEURAL NETWORKS FOR ROBUST NONLINEAR CONTROL

دانلود کتاب شبکه های مختلف عصبی برای کنترل غیرخطی ROBUST

مشخصات کتاب

DIFFERENTIAL NEURAL NETWORKS FOR ROBUST NONLINEAR CONTROL

دسته بندی: شبکه سازی
ویرایش: 1st 
نویسندگان: Alexander S. Poznyak,  Edgar N. Sanchez,  Wen Yu  
سری:  
ISBN (شابک) : 9789810246242, 9810246242 
ناشر: World Scientific Publishing Company 
سال نشر: 2001 
تعداد صفحات: 454 
زبان: English 
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت

قیمت کتاب (تومان) : 54,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 17

در صورت تبدیل فایل کتاب DIFFERENTIAL NEURAL NETWORKS FOR ROBUST NONLINEAR CONTROL به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب شبکه های مختلف عصبی برای کنترل غیرخطی ROBUST نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب شبکه های مختلف عصبی برای کنترل غیرخطی ROBUST

این جلد به نظریه شبکه‌های عصبی پویا زمان پیوسته می‌پردازد که برای حل مشکلات اساسی در تئوری کنترل قوی، از جمله شناسایی، تخمین فضای حالت (بر اساس مشاهده‌گرهای عصبی) و ردیابی مسیر استفاده می‌شود. گیاهانی که باید شناسایی و کنترل شوند، ناشناخته پیشینی فرض می‌شوند، اما متعلق به یک کلاس معین هستند که حاوی دینامیک‌های مدل‌نشده داخلی و آشفتگی‌های خارجی نیز هستند. تجزیه و تحلیل پایداری خطا و مرزهای خطای مربوطه برای مسائل مختلف ارائه شده است. اثربخشی رویکرد پیشنهادی با کاربرد آن در سیستم‌های فیزیکی کنترل‌شده مختلف (رباتیک، هرج‌ومرج، شیمیایی) نشان داده می‌شود.

توضیحاتی درمورد کتاب به خارجی

This volume deals with continuous time dynamic neural networks theory applied to the solution of basic problems in robust control theory, including identification, state space estimation (based on neuro-observers) and trajectory tracking. The plants to be identified and controlled are assumed to be a priori unknown but belonging to a given class containing internal unmodelled dynamics and external perturbations as well. The error stability analysis and the corresponding error bounds for different problems are presented. The effectiveness of the suggested approach is illustrated by its application to various controlled physical systems (robotic, chaotic, chemical).