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
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Learning Convolutional Ranking-Score Function by Query Preference Regularization Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Identification of Nonlinear System Based on Complex-Valued Flexible Neural Network

verfasst von : Lina Jia, Wei Zhang, Bin Yang

Erschienen in: Intelligent Data Engineering and Automated Learning – IDEAL 2017

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Identification of nonlinear system could help to understand and model the internal mechanism of real complex systems. In this paper, complex-valued version of flexible neural tree (CVFNT) model is proposed to identify nonlinear systems. In order to search the optimal structure and parameters of CVFNT model, a new hybrid evolutionary method based on structure-based evolutionary algorithm and firefly algorithm is employed. Two nonlinear system identification experiments are used to test CVFNT model. The results reveal that CVFNT model performs better than the proposed real-valued neural networks.

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 Research of Dengue Fever Prediction in San Juan, Puerto Rico Based on a KNN Regression Model
Nächstes Kapitel Research on the Method of Splitting Large Class Diagram Based on Multilevel Partitioning
Literatur
1.
Angeline, P.J., Saunders, G.M., Pollack, J.B.: An evolutionary algorithm that constructs recurrent neural networks. IEEE Trans. Neural Netw. 5, 54–65 (1994)CrossRef
2.
Nidhil, K.J., Sreeraj, S., Vijay, B.: System identification using artificial neural network. In: 2015 International Conference on Circuit, Power and Computing Technologies (ICCPCT), Cebu, Philippines, pp. 1–4 (2015)
3.
Ayala, H., Coelho, L.: Multiobjective Cuckoo search applied to radial basis function neural networks training for system identification. IFAC Proc. 47(3), 2539–2544 (2014)CrossRef
4.
Faijul Amin, M., Murase, K.: Single-layered complex-valued neural network for real-valued classification problems. Neurocomputing 72(4–6), 945–955 (2009)CrossRef
5.
Jiang, X., Mahadevan, S., Yuan, Y.: Fuzzy stochastic neural network model for structural system identification. Mech. Syst. Signal Process. 82, 394–411 (2016)CrossRef
6.
Kitajima, T., Yasuno, T., Ikeda, N.: Wind speed prediction system using complex-valued neural network and frequency component of wind speed. IEICE Tech. Rep. Neurocomput. 113, 35–40 (2013)
7.
Peker, M.: A new approach for automatic sleep scoring: combining Taguchi based complex-valued neural network and complex wavelet transform. Comput. Methods Programs Biomed. 129, 203–216 (2016)CrossRef
8.
Hafiz, A.R., Al-Nuaimi, A.Y., Amin, M.F., Murase, K.: Classification of skeletal wireframe representation of hand gesture using complex-valued neural network. Neural Process. Lett. 42(3), 1–16 (2015)CrossRef
9.
Shamima, B., Savitha, R., Suresh, S., Saraswathi, S.: Protein secondary structure prediction using a fully complex-valued relaxation network. In: International Joint Conference on Neural Networks, pp. 1–8 (2013)
10.
Chen, Z., Peng, L., Gao, C., Yang, B., Chen, Y.: Flexible neural trees based early stage identification for IP traffic. Soft Comput., 21(8), 1–12 (2017)
11.
Ojha, V.K., Schiano, S., Wu, C.Y., Snášel, V., Abraham, A.: Predictive modeling of die filling of the pharmaceutical granules using the flexible neural tree. Neural Comput. Appl., 1–15 (2016)
12.
Yang, B., Chen, Y.: Somatic mutation detection using ensemble of flexible neural tree model. Neurocomputing 179, 161–168 (2016)CrossRef
13.
14.
Safi, S.K.: A comparison of artificial neural network and time series models for forecasting GDP in Palestine. Am. J. Theor. Appl. Stat. 5(2), 58–63 (2016)MathSciNetCrossRef
15.
Juang, C.F.: A TSK-type recurrent fuzzy network for dynamic systems processing by neural network and genetic algorithms. IEEE Trans. Fuzzy Syst. 10(2), 155–170 (2002)CrossRef
16.
Abiyev, R.H., Kaynak, O.: Fuzzy wavelet neural networks for identification and control of dynamic plants a novel structure and a comparative study. IEEE Trans. Ind. Electron. 55(8), 3133–3140 (2008)CrossRef
17.
Cheng, R., Bai, Y.P.: A novel approach to fuzzy wavelet neural network modeling and optimization. Int. J. Electr. Power Energ. Syst. 64, 671–678 (2015)CrossRef
18.
Juang, C.F., Lin, C.T.: A recurrent self-organizing neural fuzzy inference network. IEEE Trans. Neural Netw. 10(4), 828–845 (1999)CrossRef
Metadaten
Titel
Identification of Nonlinear System Based on Complex-Valued Flexible Neural Network
verfasst von
Lina Jia
Wei Zhang
Bin Yang
Copyright-Jahr
2017
Buch
Intelligent Data Engineering and Automated Learning – IDEAL 2017

Print ISBN: 978-3-319-68934-0

Electronic ISBN: 978-3-319-68935-7

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-68935-7_18

Premium Partner

    Bildnachweise