ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

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 Neural Network Modeling and Identification of Dynamical Systems

دانلود کتاب مدل سازی شبکه های عصبی و شناسایی سیستم های دینامیکی

Neural Network Modeling and Identification of Dynamical Systems

مشخصات کتاب

Neural Network Modeling and Identification of Dynamical Systems

ویرایش: [1 ed.] 
نویسندگان:   
سری:  
ISBN (شابک) : 9780128152546 
ناشر: Academic Press 
سال نشر: 2019 
تعداد صفحات: 324 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 18 Mb 

قیمت کتاب (تومان) : 43,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 6


در صورت تبدیل فایل کتاب Neural Network Modeling and Identification of Dynamical Systems 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 مدل سازی شبکه های عصبی و شناسایی سیستم های دینامیکی 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 مدل سازی شبکه های عصبی و شناسایی سیستم های دینامیکی

مدل‌سازی شبکه‌های عصبی و شناسایی سیستم‌های پویا رویکرد جدیدی را در مورد چگونگی به دست آوردن مدل‌های شبکه عصبی تطبیقی ​​برای سیستم‌های پیچیده که معمولاً در برنامه‌های کاربردی دنیای واقعی یافت می‌شوند، ارائه می‌کند. این کتاب دانش نظری موجود برای سیستم مدل‌سازی شده را به مدل جعبه سیاه صرفا تجربی معرفی می‌کند و در نتیجه مدل را به دسته جعبه خاکستری تبدیل می‌کند. این رویکرد به طور قابل توجهی ابعاد مدل به دست آمده و اندازه مورد نیاز مجموعه آموزشی را کاهش می دهد. این کتاب راه‌حل‌هایی برای شناسایی سیستم‌های دینامیکی کنترل‌شده و همچنین شناسایی ویژگی‌های چنین سیستم‌هایی به‌ویژه ویژگی‌های آیرودینامیکی هواپیما ارائه می‌دهد.


توضیحاتی درمورد کتاب به خارجی

Neural Network Modeling and Identification of Dynamical Systems presents a new approach on how to obtain the adaptive neural network models for complex systems that are typically found in real-world applications. The book introduces the theoretical knowledge available for the modeled system into the purely empirical black box model, thereby converting the model to the gray box category. This approach significantly reduces the dimension of the resulting model and the required size of the training set. This book offers solutions for identifying controlled dynamical systems, as well as identifying characteristics of such systems, in particular, the aerodynamic characteristics of aircraft.



فهرست مطالب

Chapter 1: The modeling problem for controlled motion of nonlinear dynamical systems

1.1 The dynamical system as an object of study

1.2 Dynamical systems and the problem of adaptability

1.3 Classes of problems arising from the processes of development and operation for dynamical systems

1.4 A general approach to solve the problem of DS modeling

Chapter 2: Neural network approach to the modeling and control of dynamical systems

2.1 Classes of ANN models for dynamical systems and their structural organization

2.2 Acquisition problem for training sets needed to implement ANN models for dynamical systems

2.3 Algorithms for learning ANN models

2.4 Adaptability of ANN models

Chapter 3: Neural network black box (empirical) modeling of nonlinear dynamical systems for the example of aircraft controlled motion

3.1 Neural network empirical DS models

3.2 ANN model of motion for aircrafts based on a multilayer neural network

3.3 Performance evaluation for ANN models of aircraft motion based on multilayer neural networks

3.4 The use of empirical-type ANN models for solving problems of adaptive fault-tolerant control of nonlinear dynamical systems operating under uncertain conditions

Chapter 4: Neural network semi-empirical models of controlled dynamical systems

4.1 The relationship between empirical and semi-empirical ANN models for controlled dynamical systems

4.2 The model-building process for semi-empirical ANN models

4.3 A preparation example for the semi-empirical ANN model of a simple dynamical system

4.4 An experimental evaluation of semi-empirical ANN model capabilities

Chapter 5: Neural network semi-empirical modeling of aircraft motion

5.1 Semi-empirical modeling of longitudinal short-period motion for a maneuverable aircraft

5.2 Identification of aerodynamic characteristics for a maneuverable aircraft

Conclusion




نظرات کاربران