دانلود ترجمه مقاله شناسایی سیستم غیر خطی بازگشتی با متغیرهای پنهان

عنوان فارسی :

شناسایی سیستم غیر خطی بازگشتی با استفاده از متغیرهای پنهان

عنوان انگلیسی :

Recursive nonlinear-system identification using latent variables

کلمات کلیدی :

  سیستم های غیرخطی؛ سیستم های چند ورودی / چند خروجی؛ شناسایی سیستم

درسهای مرتبط : کنترل؛ شناسایی سیستم
تعداد صفحات مقاله انگلیسی : 9 نشریه : ELSEVIER
سال انتشار : 2018 تعداد رفرنس مقاله : 36
فرمت مقاله انگلیسی : PDF نوع مقاله : ISI
شبیه سازی مقاله : انجام نشده است. وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید
ELSEVIER
قیمت دانلود مقاله
32,000 تومان
فهرست مطالب

1. مقدمه 2. فرمول بندی مسئله 3. چارچوب متغیر پنهان 4. رویکرد بیشینه سازی – کمینه سازی 5. آزمایشات عددی 6. نتیجه گیری

نمونه متن انگلیسی مقاله

In this paper we develop a method for learning nonlinear system models with multiple outputs and inputs. We begin by modeling the errors of a nominal predictor of the system using a latent variable framework. Then using the maximum likelihood principle we derive a criterion for learning the model. The resulting optimization problem is tackled using a majorization–minimization approach. Finally, we develop a convex majorization technique and show that it enables a recursive identification method. The method learns parsimonious predictive models and is tested on both synthetic and real nonlinear systems. Introduction: In this paper we consider the problem of learning a nonlinear dynamical system model with multiple outputs y(t) and multiple inputs u(t) (when they exist). Generally this identification problem can be tackled using different model structures, with the class of linear models being arguably the most well studied in engineering, statistics and econometrics Barber (2012), Bishop (2006), Box et al. (2015), Ljung (1998), Söderström and Stoica (1988). Linear models are often used even when the system is known to be nonlinear Enqvist (2005), Schoukens et al. (2016). However certain nonlinearities, such as saturations, cannot always be neglected. In such cases using block-oriented models is a popular approach to capture static nonlinearities (Giri & Bai, 2010). Recently, such models have been given semiparametric formulations and identified using machine learning methods, cf. Pillonetto (2013) and Pillonetto, Dinuzzo, Chen, De Nicolao, and Ljung (2014). To model nonlinear dynamics a common approach is to use Narmax models Billings (2013), Sjöberg et al. (1995).

ترجمه نمونه متن انگلیسی

چکیده – در این مقاله روشی را برای یادگیری مدلهای سیستم غیرخطی با چندین خروجی و ورودی ارائه می دهیم. بنابراین با مدل سازی خطاهای یک پیش بینی کننده اسمی سیستم با استفاده از یک چارچوب متغیر پنهان کار را آغاز می کنیم. سپس با استفاده از اصل حداکثر احتمال، معیاری را برای یادگیری مدل بدست می آوریم. مسئله بهینه سازی حاصل با استفاده از یک رویکرد بیشینه سازی- کمینه سازی حل و فصل می شود. در نهایت، یک تکنیک بیشینه سازی محدب را توسعه داده و نشان می دهیم که روش شناسایی بازگشتی امکان پذیر می شود. این روش مدل های پیش بینی کننده نسبی را آموخته و در هر دو سیستم غیر خطی مصنوعی و واقعی مورد آزمایش قرار می گیرد. مقدمه: در این مقاله مسئله یادگیری یک مدل سیستم دینامیکی غیر خطی با چندین خروجی y(t) و چندین ورودی u(t) (در صورت وجود) را در نظر می گیریم. به طور کلی با استفاده از ساختارهای مختلف مدل ، با گروهی از مدلهای خطی که در مهندسی ، آمار و اقتصاد سنجی به خوبی مورد مطالعه قرار گرفته است، مسئله شناسایی حل و فصل می شود (باربر، 2012؛ بیشاپ، 2006 ؛ باکس ،جنکینز ، رینزل ولینگ، 2015 ؛ لیونگ ،1998؛ استویکا ، 1988). مدلهای خطی غالباً حتی در صورت غیر خطی بودن سیستم نیز استفاده می شوند (اینکوییست ، 2005 ؛ شوكنس ، وائس و پینتلون 2016). اما همواره نمی توان غیرخطی بودن های خاص نظیر اشباع را نادیده گرفت. در چنین مواردی استفاده از مدلهای بلوک گرا، روش محبوبی برای دستیابی به غیرخطی های ثابت است (گیری و بایی 2010). اخیراً، چنین مدلهایی تحت فرمولهای نیمه متقارن قرار گرفته و با استفاده از روشهای یادگیری ماشین شناسایی می شوند (پیلونتو ، دینوزو ،چن ، دی نیکولائو و لیونگ 2014). برای مدل سازی دینامیکی غیرخطی، یک رویکرد معمول، استفاده از مدل های NAR-MAX است (بیلینگز ، 2013 ؛شوبرگ و همکاران ، 1995).

توضیحات و مشاهده مقاله انگلیسی

این مقاله می تواند برای درس شناسایی سیستم گرایش کنترل مناسب باشد. ترجمه این مقاله در 25 صفحه آماده شده و در ادامه نیز صفحه 15 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.

محتوی بسته دانلودی:

PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب (ترجمه شکل ها و جداول به صورت کاملا مرتب)
قیمت : 32,000 تومان

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود ترجمه مقاله شناسایی سیستم غیر خطی بازگشتی با متغیرهای پنهان”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

8 + بیست =

مقالات ترجمه شده

آموزش برنامه نویسی

مجوز نماد اعتماد الکترونیکی

پشتیبانی ترجمه و شبیه سازی مقاله

قیمت ترجمه و شبیه سازی مقاله

با توجه به تجربه ی ما در امر شبیه سازی مقالات با نرم افزارهای متلب، پی اس کد، گمز و سایر نرم افزارهای علمی و همچنین تجربه ی چندین ساله در امر ترجمه  مقالات، تصمیم گرفتیم در این دو زمینه کمکی هر چند ناقابل برای دانشجویان به ارمغان آوریم. همه ی مقالات در سایت قرار داده شده که برخی از آنها ترجمه و شبیه سازی آماده دارند که قیمتی بین 20 تا 30 هزار تومان به فروش می رسند. برخی از مقالات نیز که ترجمه و شبیه سازی ندارند، می توانید سفارش دهید تا همکاران ما در اسرع وقت اقدام به تهیه آن کرده و در موعد مقرر تحویل شما دهند.