| dc.creator | YU , WEN | |
| dc.date | 2009-10-05 | |
| dc.date.accessioned | 2018-03-16T14:23:24Z | |
| dc.date.available | 2018-03-16T14:23:24Z | |
| dc.identifier | http://ojs.unam.mx/index.php/cys/article/view/2589 | |
| dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/1190461 | |
| dc.description | EN ESTE ARTÍCULO, POR LA TÉCNICA PASIVA, DAMOS VARIOS ALGORITMOS ESTABLES PARA MULTICAPAS Y LAS SOLAS CAPAS DE LAS REDES NEURONALES, ESTOS ALGORITMOS NUEVOS HAN SIDO EXITOSAMENTE APLICADOS PARA MUCHOS SISTEMAS REALES POR SIMULACIONES. LAS CONDICIONES PARA LA PASIVIDAD, ESTABILIDAD, ENTRADA PARA ESTADO ESTABLE SE ESTABLECEN. CONCLUIMOS QUE POR MEDIO DE LA TÉCNICA DE PASIVIDAD SE OBTIENE QUE EL ALGORITMO BP, EN EL PROCESO DE IDENTIFICACIÓN NEURONAL, ES ROBUSTO CON RESPECTO A TODOS LOS TIPOS DE INCERTIDUMBRES ACOTADAS | es-ES |
| dc.description | IN THIS PAPER, DYNAMIC NEURAL NETWORKS (SINGLE LAYER AND MULTILAYER) ARE USED FOR NANLINEAR SYSTEM ON-LINE IDENTIFICATION. PASSIVITY APPROACH IS APPLIED TO ACCESS SEVERAL NEW STABILITY PROPERTIES OF THE NEURO IDENTIFIER. THE CONDITIONS FOR PASSIVITY, ESTABILITY, ASYMPTOTIC STABLE AND INPUT-TO-STATE STABLE ARE ESTABLISHED. WE CONCLUDE THAT THE BACK PROPAGATION ALGORITHM WITH A MODIFICATION TERM WHICH IS DETERMINED BY OFF-LINE LEARNING MAY MAKE THE NEURO IDENTIFIER ROBUST WITH RESPECT TO ANY BOUNDED ANCERTAINTY. | en-US |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.publisher | Computación y Sistemas | es-ES |
| dc.relation | http://ojs.unam.mx/index.php/cys/article/view/2589/2150 | |
| dc.source | Computación y Sistemas; No 001 (2002) | es-ES |
| dc.source | 1405-5546 | |
| dc.subject | IDENTIFICACION; REDES NEURONALES Y PASIVIDAD | es-ES |
| dc.title | Passivity Analysis for Dynamic Neuro Identifier | es-ES |
| dc.type | Artículos de revistas | |
| dc.type | Artículos de revistas | |
