Resumen

Este trabajo aborda el problema de identificar y filtrar una clase de juegos dinámicos no lineales de tiempo continuo (juegos diferenciales no lineales) sujetos a perturbaciones deterministas aditivas y no deseadas. Además, el modelo matemático de esta clase es completamente desconocido a excepción de las acciones de control de cada jugador, y aunque las perturbaciones deterministas son conocidas, su potencia (o su efecto) no lo es. Por lo tanto, se diseñan dos redes neuronales diferenciales con el fin de obtener un modelo de información realimentada (estado perfecto) para la mencionada clase de juegos. De este modo, se establecen las condiciones de estabilidad para dos errores de identificación de estado y para un error de filtrado, se obtienen los límites superiores de estos errores y se sugieren dos nuevas leyes de aprendizaje para cada red neuronal. Por último, un ejemplo ilustrativo muestra la aplicabilidad de este enfoque.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:clase, redes neuronales diferenciales, nuevas leyes de aprendizaje, juegos diferenciales no lineales, juegos dinámicos no lineales, errores de identificación de estado, perturbaciones deterministas no deseadas, acciones de control, ruidos deterministas, patrón de información
• Keywords:class, differential neural networks, new learning laws, nonlinear differential games, nonlinear dynamic games, state identification errors, undesired deterministic perturbations, control actions, deterministic noises, information pattern