Online identification of nonlinear systems using neo-fuzzy supported brain emotional learning network
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper proposes an online algorithm for identifying the nonlinear dynamical systems and is termed as neo-fuzzy based brain emotional learning plant identifier (NFBELPI). As the name suggests, the proposed identifier is a combination of brain emotional learning network and neo-fuzzy neurons. The integration of these two networks is realized in a way that retains the characteristics of both the networks while an enhanced performance is achieved at the same time. Precisely, the orbitofrontal cortex section of the brain emotional learning network is fused with neo-fuzzy neurons with a view to equip it with more knowledge than does the amygdala section possesses. The proposed identifier accepts n -input and m -output samples to generate an estimate of the plant output and employs a brain emotional learning algorithm to lower the estimation error by adjusting a total of (( n + m + 1) × p ) + ( n + m + 2) weights, with p being the number of neo-fuzzy neurons. The proposal is validated in a MATLAB programming environment using a simulated Narendra dynamical plant as well as against the data recorded from real forced duffing oscillator. Comparison with a brain emotional learning plant identifier (BELPI) and some other state-of-the art identifiers in terms of root mean squared error (RMSE) criterion reveals the improved performance of the proposed identifier.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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