Publikace detail

Umělé neuronové sítě jako prostředek pro modelování zkratovaného štěrbinového vedení

Autoři: Seidl Pavel | Taufer Ivan

Rok: 2008

Druh publikace: kapitola v odborné knize

Název zdroje: Teorie dopravních systémů (soubor odborných statí)

Název nakladatele: Tribun EU

Místo vydání: Brno

Strana od-do: 143-152

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Umělé neuronové sítě jako prostředek pro modelování zkratovaného štěrbinového vedení	Cílem uvedeného příspěvku je demonstrovat použití umělých neuronových sítí k řešení praktických úloh identifikace složitých nelineárních soustav. Bylo zkoumáno zkratované štěrbinové vedení za účelem vytvoření jeho modelu ve tvaru umělé neuronové sítě (UNS). Model představuje soustavu se dvěma vstupy, šířkou štěrbiny a frekvencí a jedním výstupem, reálnou nebo imaginarní složkou zakončovaní impedance vedení. K řešení úlohy byl použit Neural Network Toolbox výpočetního systému MATLAB/SIMULNK. Navržená neuronová síť byla trénována algoritmem Backpropagation a jeho modifikací, metodou Levenberg-Marquardta. Získané výsledky prokázaly úspěšnost použití UNS jako prostředku pro modelování zkoumaného systému.	zkratované štěrbinové vedení; neuronová síť; staticky model ve tvaru neuronové sítě
eng	Artificial Neural Networks used for Short-circuited Slotted Line modelling	This paper is concerned with huge nonlinear systems modelling by artificial neural networks techniques. There is studied short-circuited slotted line in order to neural model design. The neural model has two inputs (slot width and frequency) and one output (real or imaginary part of terminal line impedance). Artificial neural networks are trained here by Backpropagation Algorithm and its derivation, Levenberg-Marquardt Algorithm. All the simulations are computed in Neural Network Toolbox included in Matlab. Simulation results prove artificial neural networks to be successful in defined system modelling.	Short-circuited Slotted Line; Artificial Neural Networks; Static Neural Model

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Služby

Jak nás najdete?

Často hledáte