ВИКОРИСТАННЯ НЕЙРОННИХ МЕРЕЖ ДЛЯ ПРИЙНЯТТЯ СКЛАДНИХ РІШЕНЬ ЕКСПЛУАТАЦІЇ ЕЛЕКТРОТРАНСПОРТУ В УМОВАХ НЕВИЗНАЧЕНОСТІ
Array
Ключові слова:
нейронна мережа, електротранспорт, експлуатація рухомого складу, умови невизначеностіАнотація
Нейронні мережі можуть бути використанні для вирішення складних обчислювальних рівнянь стає загальноприйнятою практикою в академічних колах і промисловості. Було показано, що, незважаючи на складність, ці проблеми можна сформулювати як набір рівнянь, а ключ - знайти нулі з них.
Посилання
1. Y.-J. Liu, S. Tong, D.-J. Li, Y. Gao, Fuzzy adaptive control with state observer for a class of nonlinear discrete-time systems with input constraint, IEEE Trans. Fuzzy Syst. 24 (5) (2016) 1147–1158.
2. Y.-J. Liu, S. Tong, Adaptive fuzzy identification and control for a class of non-linear pure-feedback MIMO systems with unknown dead zones, IEEE Trans. Fuzzy Syst. 23 (5) (2015) 1387–1398.
3. H. Wang, B. Chen, K. Liu, X. Liu, C. Lin, Adaptive neural tracking control for a class of nonstrict-feedback stochastic nonlinear systems with unknown backlash-like hysteresis, IEEE Trans. Neural Netw. Learn. Syst. 25 (5) (2014) 947–958.
4. Y.-J. Liu, S. Tong, Optimal control-based adaptive NN design for a class of nonlinear discrete-time block-triangular systems, IEEE Trans. Cybern. 46 (11) (2016) 2670–2680.
5. Y.-J. Liu, J. Li, S. Tong, C.P. Chen, Neural network control-based adaptive learning design for nonlinear systems with full-state constraints, IEEE Trans. Neural Netw. Learn. Syst. 27 (7) (2016) 1562–1571.
6. S. Li, J. He, Y. Li, M.U. Rafique, Distributed recurrent neural networks for cooperative control of manipulators: a game-theoretic perspective, IEEE Trans. Neural Netw. Learn. Syst. 28 (2) (2017) 415–426.
7. S. Li, S. Chen, B. Liu, Y. Li, Y. Liang, Decentralized kinematic control of a class of collaborative redundant manipulators via recurrent neural networks, Neurocomputing 91 (2012) 1–10.
8. S. Li, B. Liu, Y. Li, Selective positive–negative feedback produces the winner–take-all competition in recurrent neural
networks, IEEE Trans. Neural Netw. Learn. Syst. 24 (2) (2013) 301–309.
9. Y. Zhang, D. Guo, Z. Luo, K. Zhai, H. Tan, CP-activated WASD neuronet approach to asian population prediction with abundant experimental verification, Neurocomputing 198 (2016) 48–57.
10. X. Luo, M. Shang, Efficient extraction of non-negative latent factors from high-dimensional and sparse matrices in industrial applications, in: Proceedings of the IEEE 16th International Conference on Data Mining, IEEE, 2016, pp. 311–319.
11. Y.-A. Huang, Z.-H. You, X. Li, X. Chen, P. Hu, X. Luo,Construction of reliable protein–protein interaction networks using weighted sparse representation based classifier with pseudo substitution matrix representation features, Neurocomputing 218 (2016) 131–138.
12. X. Luo, M. Zhou, Regularizaed extraction of non-negative latent factors from high-dimensional sparse matrices, in: Proceedings of the IEEE International Conference on Systems, Man, and Cybernetics, IEEE, 2016, pp. 0 01221–0 01226.
13. H. Wang, P.X. Liu, S. Liu, Adaptive neural synchronization control for bilateral teleoperation systems with time delay and backlash-like hysteresis, IEEE Trans. Cybern. (2017).
14. H. Wang, W. Liu, P.X. Liu, H. Lam, Adaptive fuzzy decentralized control for a class of interconnected nonlinear system with unmodeled dynamics and dead zones, Neurocomputing 214 (2016) 972–980.
15. Tartakovsky E., Krasheninin O., Mykhalkiv S., Khodakivsky A., Baklyak D. Development of built-in means to monitor technical condition of locomotive mechanical units. Collected scientific works of Ukrainian State University of Railway Transport. 2014. № 149. P.13—22. https://doi.org/10.18664/1994-7852.149.2014.81714
2. Y.-J. Liu, S. Tong, Adaptive fuzzy identification and control for a class of non-linear pure-feedback MIMO systems with unknown dead zones, IEEE Trans. Fuzzy Syst. 23 (5) (2015) 1387–1398.
3. H. Wang, B. Chen, K. Liu, X. Liu, C. Lin, Adaptive neural tracking control for a class of nonstrict-feedback stochastic nonlinear systems with unknown backlash-like hysteresis, IEEE Trans. Neural Netw. Learn. Syst. 25 (5) (2014) 947–958.
4. Y.-J. Liu, S. Tong, Optimal control-based adaptive NN design for a class of nonlinear discrete-time block-triangular systems, IEEE Trans. Cybern. 46 (11) (2016) 2670–2680.
5. Y.-J. Liu, J. Li, S. Tong, C.P. Chen, Neural network control-based adaptive learning design for nonlinear systems with full-state constraints, IEEE Trans. Neural Netw. Learn. Syst. 27 (7) (2016) 1562–1571.
6. S. Li, J. He, Y. Li, M.U. Rafique, Distributed recurrent neural networks for cooperative control of manipulators: a game-theoretic perspective, IEEE Trans. Neural Netw. Learn. Syst. 28 (2) (2017) 415–426.
7. S. Li, S. Chen, B. Liu, Y. Li, Y. Liang, Decentralized kinematic control of a class of collaborative redundant manipulators via recurrent neural networks, Neurocomputing 91 (2012) 1–10.
8. S. Li, B. Liu, Y. Li, Selective positive–negative feedback produces the winner–take-all competition in recurrent neural
networks, IEEE Trans. Neural Netw. Learn. Syst. 24 (2) (2013) 301–309.
9. Y. Zhang, D. Guo, Z. Luo, K. Zhai, H. Tan, CP-activated WASD neuronet approach to asian population prediction with abundant experimental verification, Neurocomputing 198 (2016) 48–57.
10. X. Luo, M. Shang, Efficient extraction of non-negative latent factors from high-dimensional and sparse matrices in industrial applications, in: Proceedings of the IEEE 16th International Conference on Data Mining, IEEE, 2016, pp. 311–319.
11. Y.-A. Huang, Z.-H. You, X. Li, X. Chen, P. Hu, X. Luo,Construction of reliable protein–protein interaction networks using weighted sparse representation based classifier with pseudo substitution matrix representation features, Neurocomputing 218 (2016) 131–138.
12. X. Luo, M. Zhou, Regularizaed extraction of non-negative latent factors from high-dimensional sparse matrices, in: Proceedings of the IEEE International Conference on Systems, Man, and Cybernetics, IEEE, 2016, pp. 0 01221–0 01226.
13. H. Wang, P.X. Liu, S. Liu, Adaptive neural synchronization control for bilateral teleoperation systems with time delay and backlash-like hysteresis, IEEE Trans. Cybern. (2017).
14. H. Wang, W. Liu, P.X. Liu, H. Lam, Adaptive fuzzy decentralized control for a class of interconnected nonlinear system with unmodeled dynamics and dead zones, Neurocomputing 214 (2016) 972–980.
15. Tartakovsky E., Krasheninin O., Mykhalkiv S., Khodakivsky A., Baklyak D. Development of built-in means to monitor technical condition of locomotive mechanical units. Collected scientific works of Ukrainian State University of Railway Transport. 2014. № 149. P.13—22. https://doi.org/10.18664/1994-7852.149.2014.81714
##submission.downloads##
Опубліковано
2020-11-27
Як цитувати
Зубенко, Д., Закурдай, С., & Донець, О. (2020). ВИКОРИСТАННЯ НЕЙРОННИХ МЕРЕЖ ДЛЯ ПРИЙНЯТТЯ СКЛАДНИХ РІШЕНЬ ЕКСПЛУАТАЦІЇ ЕЛЕКТРОТРАНСПОРТУ В УМОВАХ НЕВИЗНАЧЕНОСТІ: Array. Комунальне господарство міст, 6(159), 178–180. вилучено із https://khg.kname.edu.ua/index.php/khg/article/view/5692
Номер
Розділ
статьи
Ліцензія
Автори, які публікуються у цьому збірнику, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії CC BY-NC-ND 4.0 (із Зазначенням Авторства – Некомерційна – Без Похідних 4.0 Міжнародна), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
