Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/70655
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorSouza, Luís Gustavo Mota-
dc.contributor.authorBarreto, Guilherme de Alencar-
dc.date.accessioned2023-02-09T12:50:05Z-
dc.date.available2023-02-09T12:50:05Z-
dc.date.issued2007-
dc.identifier.citationSOUZA, L. G. M.; BARRETO, G. A. Local linear narx models based on the self-organizing map. In: CONGRESSO BRASILEIRO DE REDES NEURAIS, 8., 2007, Florianópolis. Anais... Florianópolis, 2007. p. 1-6.pt_BR
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/70655-
dc.description.abstractIn this paper, we develop efficient local linear NARX (Nonlinear Auto-Regressive model with eX- ogenous variables) models based on Kohonen’s Self-Organizing Map. These models are evaluated as function approximators in the task of identifying the inverse dynamics of a hydraulic actuator. Simulation results demonstrate that the proposed SOM-based linear NARX structures consistently outperform standard MLP-based global models for system identification.pt_BR
dc.language.isoenpt_BR
dc.publisherCongresso Brasileiro de Redes Neuraispt_BR
dc.subjectMapa de Kohonenpt_BR
dc.subjectModelos lineares locaipt_BR
dc.subjectModelo NARXpt_BR
dc.subjectidentificação de sistemaspt_BR
dc.subjectAtuador hidráulicopt_BR
dc.titleLocal linear narx models based on the self-organizing mappt_BR
dc.typeArtigo de Eventopt_BR
dc.description.abstract-ptbrNeste trabalho, são desenvolvidos modelos NARX localmente lineares a partir da rede auto- organizável de Kohonen. Estes modelos são avaliados como aproximadores de funções na tarefa de identificação da dinâmica inversa de um atuador hidráulico. Simulações computacionais demonstram que as estruturas NARX propostas têm desempenho superior ao de modelos NARX globais baseados na rede MLP.pt_BR
Aparece nas coleções:DETE - Trabalhos apresentados em eventos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2007_eve_gabarreto.pdf236,97 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.