Differential Neural Network Identification ...
Type de document :
Communication dans un congrès avec actes
Titre :
Differential Neural Network Identification for Homogeneous Dynamical Systems ⋆
Auteur(s) :
Ballesteros, Mariana [Auteur]
Centro de Investigacion y de Estudios Avanzados del Instituto Politécnico Nacional [CINVESTAV]
Polyakov, Andrey [Auteur]
Finite-time control and estimation for distributed systems [VALSE]
Efimov, Denis [Auteur]
Finite-time control and estimation for distributed systems [VALSE]
Chairez, Isaac [Auteur]
Instituto Politechnico National [IPN]
Poznyak, Alexander [Auteur]
Centro de Investigacion y de Estudios Avanzados del Instituto Politécnico Nacional [CINVESTAV]
Centro de Investigacion y de Estudios Avanzados del Instituto Politécnico Nacional [CINVESTAV]
Polyakov, Andrey [Auteur]
Finite-time control and estimation for distributed systems [VALSE]
Efimov, Denis [Auteur]
Finite-time control and estimation for distributed systems [VALSE]
Chairez, Isaac [Auteur]
Instituto Politechnico National [IPN]
Poznyak, Alexander [Auteur]
Centro de Investigacion y de Estudios Avanzados del Instituto Politécnico Nacional [CINVESTAV]
Titre de la manifestation scientifique :
NOLCOS 2019 - 11th IFAC Symposium on Nonlinear Control Systems
Ville :
Vienna
Pays :
Autriche
Date de début de la manifestation scientifique :
2019-09-04
Mot(s)-clé(s) en anglais :
Differential Neural Network
Nonlinear Systems
Homogeneous systems
Identification
Nonlinear Systems
Homogeneous systems
Identification
Discipline(s) HAL :
Informatique [cs]/Automatique
Résumé en anglais : [en]
In this paper, a non parametric identifier for homogeneous nonlinear systems affine in the input is proposed. The identification algorithm is based on the neural networks using sigmoidal activation functions. The learning ...
Lire la suite >In this paper, a non parametric identifier for homogeneous nonlinear systems affine in the input is proposed. The identification algorithm is based on the neural networks using sigmoidal activation functions. The learning algorithm is derived by means of Lyapunov function method and homogeneity theory. A numerical example demonstrates the performance of the proposed identifier.Lire moins >
Lire la suite >In this paper, a non parametric identifier for homogeneous nonlinear systems affine in the input is proposed. The identification algorithm is based on the neural networks using sigmoidal activation functions. The learning algorithm is derived by means of Lyapunov function method and homogeneity theory. A numerical example demonstrates the performance of the proposed identifier.Lire moins >
Langue :
Anglais
Comité de lecture :
Oui
Audience :
Internationale
Vulgarisation :
Non
Collections :
Source :
Fichiers
- https://hal.inria.fr/hal-02278726/document
- Accès libre
- Accéder au document
- https://hal.inria.fr/hal-02278726/document
- Accès libre
- Accéder au document
- https://hal.inria.fr/hal-02278726/document
- Accès libre
- Accéder au document
- document
- Accès libre
- Accéder au document
- FINAL.pdf
- Accès libre
- Accéder au document