Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Signs-Based vs. Symbolic Models Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Control by Imitation Using a Maximum Sensibility Neural Network

verfasst von : Erick Ordaz-Rivas, Luis Torres-Treviño, Angel Rodriguez-Liñan

Erschienen in: Advances in Artificial Intelligence and Soft Computing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, a maximum sensibility neural network was implemented in an embedded system with which was performed a control by imitation of a proposed plant. The plant consists of a cooling system and temperature indicator, the learning of the neural network is given by manually adjusting of output values of the indicators and a fan while input signals are obtained by sensors of temperature and presence, the neural network in run mode is able to interpret these data to automatically adjust the output settings and imitate the process with good performance.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Simple Bio-Inspired Model for Synaptogenesis in Artificial Neural Networks
Nächstes Kapitel Chaotic Cases in a Two-Neuron Discrete Neural Network
Anhänge
Nur mit Berechtigung zugänglich
Literatur
1.
Aguilera-Ruiz, M., Torres-Trevino, L.M., Linan, J.A.R.: Control by online learning using a maximum sensibility neural network. In: 13th Mexican International Conference on Artificial Intelligence, MICAI 2014, pp. 118–120, November 2014
2.
Cabrera-Gaona, D., Trevino, L., Rodriguez-Linan, A.: Control by learning in a temperature system using a maximum sensibility neural network. In: 12th Mexican International Conference on Artificial Intelligence, MICAI 2013, pp. 109–113, November 2013
3.
Escamilla, I., Torres, L., Perez, P., Zambrano, P.: A comparison between back propagation and the maximum sensibility neural network to surface roughness prediction in machining of titanium (Ti 6Al 4V) alloy. In: Gelbukh, A., Morales, E.F. (eds.) MICAI 2008. LNCS (LNAI), vol. 5317, pp. 1009–1019. Springer, Heidelberg (2008) CrossRef
4.
Haykin, S.: Neural Networks and Learning Machines (3rd Edn.). Pearson Education, Upper Saddle River (2008)
5.
Sanmiguel, G., Gonzalez, L., Torres-Trevino, L., Guerra, C.: On-line learning in an embedded maximum sensibility neural network. In: 11th Mexican International Conference on Artificial Intelligence MICAI 2012, pp. 75–79, October 2012
6.
Waegeman, T., Wyffels, F., Schrauwen, B.: Feedback control by online learning an inverse model. IEEE Trans. Neural Netw. Learn. Syst. 23(10), 1637–1648 (2012)CrossRef
Metadaten
Titel
Control by Imitation Using a Maximum Sensibility Neural Network
verfasst von
Erick Ordaz-Rivas
Luis Torres-Treviño
Angel Rodriguez-Liñan
Copyright-Jahr
2015
Buch
Advances in Artificial Intelligence and Soft Computing

Print ISBN: 978-3-319-27059-3

Electronic ISBN: 978-3-319-27060-9

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-27060-9_25

Premium Partner

    Bildnachweise