MétaCan
Menu
Retour à la cohorte
Enregistrement W2111010113 · doi:10.1109/ijcnn.2007.4371444

A Neural Network-based Learning Controller for Micro-sized Object Micromanipulation

2007· article· en· W2111010113 sur OpenAlexaff
Mohsen Shahini, William Melek, John T. W. Yeow

Notice bibliographique

RevueIEEE International Conference on Neural Networks/IEEE ... International Conference on Neural Networks · 2007
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMechanical and Optical Resonators
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Controller (irrigation)Artificial neural networkCompensation (psychology)Object (grammar)Computer scienceNonlinear systemNoveltyBounded functionLyapunov functionArtificial intelligenceScalingControl engineeringControl (management)MathematicsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

In this paper, automated micro-sized objects manipulation is investigated. The novelty of the proposed method lies on the compensation of all the nonlinear scaling forces which are dominant over gravitational force. A dynamic neural network has been added to a PD conventional controller for automated micromanipulation control. Weight-updating rules have been obtained in such a way that the system is uniformly ultimately bounded (UUB) in the sense of Lyapunov. Simulation results for controlled pushing of a micro-object have been illustrated and the efficiency of the method has been shown by comparing its result with that of a linear controller.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,661
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,057
Tête enseignante GPT0,320
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE International Conference on Neural Networks/IEEE ... International Conference on Neural NetworksMême sujetMechanical and Optical ResonatorsTravaux en français237 207