Approximation of Fractional Order Dynamic Systems Using Elman, GRU and LSTM Neural Networks - Publikacja - MOST Wiedzy

Wyszukiwarka

Approximation of Fractional Order Dynamic Systems Using Elman, GRU and LSTM Neural Networks

Abstrakt

In the paper, authors explore the possibility of using the recurrent neural networks (RNN) - Elman, GRU and LSTM - for an approximation of the solution of the fractional-orders differential equations. The RNN network parameters are estimated via optimisation with the second order L-BFGS algorithm. It is done based on data from four systems: simple first and second fractional order LTI systems, a system of fractional-order point kinetics and heat exchange in the nuclear reactor core and complex nonlinear system. The obtained result shows that the studied RNNs are very promising as approximators of the fractional-order systems. On the other hand, these approximations may be easily implemented in real digital control platforms.

Cytowania

  • 0

    CrossRef

  • 0

    Web of Science

  • 0

    Scopus

Cytuj jako

Pełna treść

pobierz publikację
pobrano 6 razy
Wersja publikacji
Accepted albo Published Version
Licencja
Copyright (2020 Springer Nature Switzerland AG)

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Publikacja monograficzna
Typ:
rozdział, artykuł w książce - dziele zbiorowym /podręczniku w języku o zasięgu międzynarodowym
Tytuł wydania:
Artificial Intelligence and Soft Computing strony 215 - 230
Język:
angielski
Rok wydania:
2020
Opis bibliograficzny:
Puchalski B., Rutkowski T.: Approximation of Fractional Order Dynamic Systems Using Elman, GRU and LSTM Neural Networks// Artificial Intelligence and Soft Computing/ : , 2020, s.215-230
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1007/978-3-030-61401-0_21
Weryfikacja:
Politechnika Gdańska

wyświetlono 25 razy

Publikacje, które mogą cię zainteresować

Meta Tagi