الگوریتم یادگیری برای سیستم های دینامیکی
ترجمه نشده

الگوریتم یادگیری برای سیستم های دینامیکی

عنوان فارسی مقاله: الگوریتم یادگیری برای سیستم های دینامیکی کسری با خطاهای موجود در متغیرها خود مرتبط
عنوان انگلیسی مقاله: Learning Algorithm for Fractional Dynamical Systems with Autocorrelated Errors-in-Variables
مجله/کنفرانس: علوم کامپیوتر پروسیدیا – Procedia Computer Science
رشته های تحصیلی مرتبط: مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: الگوریتم و محاسبات، هوش مصنوعی
کلمات کلیدی فارسی: تفاوت های کسری، خطاهای موجود در متغیرها، جذر حداقل، اختلال خود مرتبط، برآورد بازگشتی
کلمات کلیدی انگلیسی: fractional difference, errors-in-variables, least square, autocorrelated noise, recursive estimation
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.procs.2019.06.045
دانشگاه: Department of mechatronics, Samara State University of Transport, Samara, Russia
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 1.257 در سال 2018
شاخص H_index: 47 در سال 2019
شاخص SJR: 0.281 در سال 2018
شناسه ISSN: 1877-0509
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 8
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: دارد
کد محصول: E12311
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1-Introduction


2-Fractional Calculus


3-Problem statement


4-Stochastic Gradient Algorithm for Learning a Fractional-Order Dynamical System with Autocorrelated Error- in-Variables


5-Stochastic Approximation with Averaging


6-Simulation Results


7-Conclusion


References

نمونه متن انگلیسی مقاله

Abstract


In this paper, the stochastic gradient algorithm for learning fractional-order dynamical systems with noisy input and output is proposed. The proposed algorithm allows estimating the parameters of fractional dynamic systems if the input and output noises are color. The proposed algorithm does not require knowledge of the noise distribution laws. The simulation results demonstrate the high accuracy of the proposed learning algorithm in comparison with the least squares learning algorithm.


Introduction


Instrumental variables for fractional systems with correlated noise are presented in Victor et al., 2011 Recursive identification algorithms for white noise are proposed in Djouambi, 2012. The use of Kalman filter for white noise in Sierociuk, Dzienlinsk, 2006 and color noise in Sierociuk, Zubinski, 2014, Safarinejadian et al., 2016, Yang et al., 2018 is considered. An excellent review of methods for identifying integer-order systems with errors in variables is given in Söderström. 2018. Today there are a small number of articles on the identification of fractional systems with errors in variables Chetoui et al., 2012, Chetoui et al., 2013, Ivanov, 2013. In Ivanov, 2017 proposed a generalization of the results for the case of fractional errors in variables.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

الگوریتم یادگیری برای سیستم های دینامیکی
نوشته های مرتبط
مقالات جدید
نماد اعتماد الکترونیکی
پیوندها