Wyszukiwarka
Abstrakt
A problem related to the development of an algorithm designed to find an architecture of artificial neural network used for black-box modelling of dynamic systems with time delays has been addressed in this paper. The proposed algorithm is based on a well-known NeuroEvolution of Augmenting Topologies (NEAT) algorithm. The NEAT algorithm has been adjusted by allowing additional connections within an artificial neural network and developing original specialised evolutionary operators. This resulted in a compromise between the size of neural network and its accuracy in capturing the response of the mathematical model under which it has been learnt. The research involved an extended validation study based on data generated from a mathematical model of an exemplary system as well as the fast processes occurring in a pressurised water nuclear reactor. The obtaining simulation results demonstrate the high effectiveness of the devised neural (black-box) models of dynamic systems with time delays.
Cytowania
-
0
CrossRef
-
0
Web of Science
-
1
Scopus
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja monograficzna
- Typ:
- rozdział, artykuł w książce - dziele zbiorowym /podręczniku w języku o zasięgu międzynarodowym
- Język:
- angielski
- Rok wydania:
- 2022
- Opis bibliograficzny:
- Laddach K., Łangowski R.: Neural modelling of dynamic systems with time delays based on an adjusted NEAT algorithm// Intelligent and Safe Computer Systems in Control and Diagnostics/ : , 2022, s.328-339
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1007/978-3-031-16159-9_27
- Źródła finansowania:
-
- IDUB
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 114 razy
Publikacje, które mogą cię zainteresować
Global Surrogate Modeling by Neural Network-Based Model Uncertainty
- L. Leifsson,
- J. Nagawkar,
- L. Barnet
- + 3 autorów