Este trabajo representa una técnica eficiente para el modelado de redes neuronales de simulación de vuelo y dinámica espacial. La técnica liberará al diseñador de la red neuronal de adivinar el tamaño y la estructura para el modelo de red neuronal requerido y ayudará a minimizar el número de neuronas. Para los sistemas lineales de dinámica de vuelo y espacial, la técnica puede encontrar los pesos y sesgos de la red directamente resolviendo un sistema de ecuaciones lineales sin necesidad de entrenamiento. Los sistemas dinámicos de vuelo no lineales pueden modelarse fácilmente entrenando sus modelos linealizados manteniendo la misma estructura de red. El entrenamiento es rápido, ya que utiliza el conocimiento del sistema lineal para acelerar el proceso de entrenamiento. La técnica se ha probado en diferentes modelos dinámicos de vuelo/espacio y ha mostrado resultados prometedores.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
HybridHAM: una nueva heurística híbrida para encontrar ciclos hamiltonianos
Artículo:
Análisis y estudio experimental del comportamiento dinámico de una antena de transmisión de datos de doble eje accionada por un motor paso a paso
Artículo:
El efecto de los ciclos térmicos en los comportamientos de tracción y cizallamiento del epoxi reforzado con nanotubos de carbono
Artículo:
Utilización de redes neuronales para la predicción de la rugosidad superficial tras el bruñido con rodillo
Artículo:
Implementación de un sistema de control para un convertidor de energía hidrocinética
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
Los web services como herramienta generadora de valor en las organizaciones
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Libro:
Ergonomía en los sistemas de trabajo