Documents disponibles écrits par cet auteur

Entropy-Based Choice of a Neural Network Drive Model / J. F. Martins in IEEE transactions on industrial electronics, Vol. 54 N°1 (Fevrier 2007) 

Public ISBD [article]  in IEEE transactions on industrial electronics > Vol. 54 N°1 (Fevrier 2007) . - 110-116 p. Titre : Entropy-Based Choice of a Neural Network Drive Model Titre original : Choix Entropie-Basé d'un Modèle d'Entraînement de Réseau Neurologique Type de document : texte imprimé Auteurs : J. F. Martins, Auteur ; P. J. Santos, Auteur ; A. J. Pires Article en page(s) : 110-116 p. Note générale : Génie Electrique Langues : Anglais (eng) Mots-clés : Entropy  Induction  motor  drives  Learning  systems  Modeling  Neural  networks.Entropie  Commandes  de  moteur  à  induction  Systèmes  d'étude  Modeler  Réseaux  neurologiques. Index. décimale : 621 Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie Résumé : The design of a neural network requires, among other things, a proper choice of input variables, avoiding over fitting and an unnecessarily complex input vector. This may be achieved by trying to reduce the arbitrariness in the choice of the input layer. This paper discusses the relation between the memory range of a particular controlled dynamical system (induction drive) and the dimension of the neural network input vector. Mathematical techniques of process-reconstruction of the underlying process, using coding and block entropies to characterize the measure and memory range were applied. These modeling techniques provide a precise knowledge of the drive dynamics, a fundamental requirement in modern control approaches. La conception d'un réseau neurologique exige, entre autres, un choix approprié des variables d'entrée, évitant l'ajustage de précision fini et un vecteur inutilement complexe d'entrée. Ceci peut être réalisé par l'essai de réduire le caractère arbitraire dans le choix de la couche d'entrée. Cet article discute la relation entre la gamme de mémoire d'un système dynamique commandé particulier (commande d'induction) et la dimension du vecteur d'entrée de réseau neurologique. Des techniques mathématiques de la reconstruction de processus du processus fondamental, en utilisant des entropies de codage et de bloc pour caractériser la gamme de mesure et de mémoire ont été appliquées. Ces techniques modelantes fournissent une connaissance précise de la dynamique d'entraînement, une condition fondamentale dans des approches modernes de commande. DEWEY : 621 ISSN : 0278-0046 En ligne : jmartins@est.ips.pt, psantos@est.ips.pt, apires@est.ips.pt [article] Entropy-Based Choice of a Neural Network Drive Model = Choix Entropie-Basé d'un Modèle d'Entraînement de Réseau Neurologique [texte imprimé] / J. F. Martins, Auteur ; P. J. Santos, Auteur ; A. J. Pires . - 110-116 p. Génie Electrique Langues : Anglais (eng) in IEEE transactions on industrial electronics > Vol. 54 N°1 (Fevrier 2007) . - 110-116 p. Mots-clés : Entropy  Induction  motor  drives  Learning  systems  Modeling  Neural  networks.Entropie  Commandes  de  moteur  à  induction  Systèmes  d'étude  Modeler  Réseaux  neurologiques. Index. décimale : 621 Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie Résumé : The design of a neural network requires, among other things, a proper choice of input variables, avoiding over fitting and an unnecessarily complex input vector. This may be achieved by trying to reduce the arbitrariness in the choice of the input layer. This paper discusses the relation between the memory range of a particular controlled dynamical system (induction drive) and the dimension of the neural network input vector. Mathematical techniques of process-reconstruction of the underlying process, using coding and block entropies to characterize the measure and memory range were applied. These modeling techniques provide a precise knowledge of the drive dynamics, a fundamental requirement in modern control approaches. La conception d'un réseau neurologique exige, entre autres, un choix approprié des variables d'entrée, évitant l'ajustage de précision fini et un vecteur inutilement complexe d'entrée. Ceci peut être réalisé par l'essai de réduire le caractère arbitraire dans le choix de la couche d'entrée. Cet article discute la relation entre la gamme de mémoire d'un système dynamique commandé particulier (commande d'induction) et la dimension du vecteur d'entrée de réseau neurologique. Des techniques mathématiques de la reconstruction de processus du processus fondamental, en utilisant des entropies de codage et de bloc pour caractériser la gamme de mesure et de mémoire ont été appliquées. Ces techniques modelantes fournissent une connaissance précise de la dynamique d'entraînement, une condition fondamentale dans des approches modernes de commande. DEWEY : 621 ISSN : 0278-0046 En ligne : jmartins@est.ips.pt, psantos@est.ips.pt, apires@est.ips.pt