Resumen

Una solución numérica de la ecuación diferencial cuadrática de Riccati difusa se estima utilizando un nuevo enfoque propuesto para redes neuronales (NN). Este nuevo enfoque propuesto proporciona diferentes grados de subespacios polinomiales para cada una de las funciones de transferencia. Esta multitud de funciones de transferencia crea agentes únicos en la estructura de la NN. Por lo tanto, se le denomina neuroaproximación multiagente (NN multiagente). Trabajos anteriores han demostrado que los resultados utilizando el método de Runge-Kutta de 4to orden (RK4) son fiables. Los resultados pueden lograrse resolviendo la ecuación diferencial no lineal de 1er orden (ODE) que se encuentra comúnmente en la ecuación diferencial de Riccati. La NN multiagente muestra resultados prometedores con la ventaja de una estimación continua y una precisión mejorada que puede producirse sobre Mabood et al. (2013), RK-4 y el método neuronal existente (NM). Se discuten ejemplos numéricos para il

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Solución numérica; Ecuación diferencial cuadrática de Riccati difusa; Redes neuronales; Enfoque neuro de multiagentes; Método de Runge-Kutta de 4º orden; Ecuación diferencial no lineal
• Keywords:Numerical solution; Fuzzy quadratic Riccati differential equation; Neural networks; Multiagent neuroapproach; Runge-Kutta 4th order; Nonlinear differential equation