کنترل آونگ وارون با بهره گیری از داده های منفی

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 160

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIAE-20-1_016

تاریخ نمایه سازی: 15 دی 1401

چکیده مقاله:

در فرآیند آموزش الگوریتم­های یادگیری، همواره داشتن مجموعه داده­های آموزشی مناسب مورد توجه است. وجود داده­های پرت، داده­های نویزی و داده­های نامناسب، همواره بر عملکرد الگوریتم­های موجود تاثیرگذار است. روش یادگیری فعال ، یکی از ابزارهای قدرتمند در محاسبات نرم است که از نحوه عملکرد مغز انسان بهره می­گیرد. عملکرد این الگوریتم کاملا مبتنی بر محاسبات ساده است و یک سیستم چند- ورودی تک- خروجی را به صورت مجموعی از سیستم­های تک- ورودی تک- خروجی در نظر می­گیرد و با شکستن مسئله پیچیده به چندین مسئله ساده­تر موجب درک­پذیری ساده آن می­شود. در این مقاله برای بهبود عملکرد این الگوریتم، با تغییراتی در فرآیند آموزش، از داده­هایی تحت عنوان داده­های منفی استفاده شده است. در روش یادگیری فعال به واسطه استفاده از اپراتور پخش قطره جوهر، بهره­گیری از داده­های منفی در فرآیند آموزش امکان­پذیر است. با این اقدام، سیاستی مشابه سیاست پاداش و جزاء در روش­های یادگیری تقویتی  اجراء می­شود. شبیه ­سازی­های انجام شده بیان از عملکرد مناسب و افزایش قدرت محاسباتی روش پیشنهادی نسبت به روش موجود دارد و مقدار FVU، ۰.۰۱۴۳ حاصل شده است. همچنین با روش پیشنهادی، افزایش دقت و سرعت در فرآیند کنترل سیستم پاندول معکوس، که یک مسئله کلاسیک در سیستم­های کنترل می­باشد، کاملا مشهود است. 

کلیدواژه ها:

Active Learning Method (ALM) ، Ink Drop Spread (IDS) Operator ، Fuzzy Inference System (FIS) ، Negative Data ، Control. ، روش یادگیری فعال ، اپراتور پخش قطره جوهر ، سیستم استنتاج فازی ، داده منفی ، کنترل.

نویسندگان

سجاد حق زاد کلیدبری

Faculty of Electrical and Computer Engineering, Zanjan University, Zanjan

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Boubaker, O. The inverted pendulum: A fundamental benchmark in control ...
  • Bugeja, M. Non-linear swing-up and stabilizing control of an inverted ...
  • Prasad, L.B., B. Tyagi, and H.O. Gupta. Modelling and simulation ...
  • Waszak, M. and R. Łangowski, An automatic self-tuning control system ...
  • Jain, A., et al., Real-Time Swing-up Control of Non-Linear Inverted ...
  • Chaturvedi, D., T. Qamar, and M. Gupta, Neuro-Control of Inverted ...
  • Rithirun, C., A. Charean, and W. Sawaengsinkasikit. Comparison Between PID ...
  • Veysi, m., J. Aghaei, and m.r. soltanpour, Disturbance Rejection Stable ...
  • Fallah Ghavidel, H., S.M. Mousavi Gazafroudi, and R. Asad, Thrust ...
  • Shouraki, S.B. and N. Honda. Fuzzy controller design by an ...
  • Shahdi, S.A. and S.B. Shouraki. Supervised active learning method as ...
  • Sakurai, Y., A study of the learning control method using ...
  • Sagha, H., I.E.P. Afrakoti, and S. Bagherishouraki, Actor-critic-based ink drop ...
  • Murakami, M. and N. Honda, A study on the modeling ...
  • Klidbary, S.H., et al. Outlier robust fuzzy active learning method ...
  • Klidbary, S.H., S.B. Shouraki, and I.E.P. Afrakoti, An adaptive efficient ...
  • Jokar, E., et al., Hardware-Algorithm Co-Design of a Compressed Fuzzy ...
  • Klidbary, S.H. and S.B. Shouraki, A novel adaptive learning algorithm ...
  • Klidbary, S.H., S.B. Shouraki, and B. Linares-Barranco, Digital hardware realization ...
  • ]۲۰[ سجاد حق زاد کلیدبری, سعید باقری شورکی, ایمان اسمعیلی ...
  • Refining membership degrees obtained from fuzzy C-means by re-fuzzification [مقاله ژورنالی]
  • Ghasemi, V., M. Javadian, and S. Bagheri Shouraki, High-Dimensional Unsupervised ...
  • Shouraki, S.B., A novel fuzzy approach to modeling and control ...
  • Boubaker, O. The inverted pendulum: A fundamental benchmark in control ...
  • Bugeja, M. Non-linear swing-up and stabilizing control of an inverted ...
  • Prasad, L.B., B. Tyagi, and H.O. Gupta. Modelling and simulation ...
  • Waszak, M. and R. Łangowski, An automatic self-tuning control system ...
  • Jain, A., et al., Real-Time Swing-up Control of Non-Linear Inverted ...
  • Chaturvedi, D., T. Qamar, and M. Gupta, Neuro-Control of Inverted ...
  • Rithirun, C., A. Charean, and W. Sawaengsinkasikit. Comparison Between PID ...
  • Veysi, m., J. Aghaei, and m.r. soltanpour, Disturbance Rejection Stable ...
  • Fallah Ghavidel, H., S.M. Mousavi Gazafroudi, and R. Asad, Thrust ...
  • Shouraki, S.B. and N. Honda. Fuzzy controller design by an ...
  • Shahdi, S.A. and S.B. Shouraki. Supervised active learning method as ...
  • Sakurai, Y., A study of the learning control method using ...
  • Sagha, H., I.E.P. Afrakoti, and S. Bagherishouraki, Actor-critic-based ink drop ...
  • Murakami, M. and N. Honda, A study on the modeling ...
  • Klidbary, S.H., et al. Outlier robust fuzzy active learning method ...
  • Klidbary, S.H., S.B. Shouraki, and I.E.P. Afrakoti, An adaptive efficient ...
  • Jokar, E., et al., Hardware-Algorithm Co-Design of a Compressed Fuzzy ...
  • Klidbary, S.H. and S.B. Shouraki, A novel adaptive learning algorithm ...
  • Klidbary, S.H., S.B. Shouraki, and B. Linares-Barranco, Digital hardware realization ...
  • ]۲۰[ سجاد حق زاد کلیدبری, سعید باقری شورکی, ایمان اسمعیلی ...
  • Refining membership degrees obtained from fuzzy C-means by re-fuzzification [مقاله ژورنالی]
  • Ghasemi, V., M. Javadian, and S. Bagheri Shouraki, High-Dimensional Unsupervised ...
  • Shouraki, S.B., A novel fuzzy approach to modeling and control ...
  • نمایش کامل مراجع