Iterative Learning Control with Passive Incomplete Information / Shen, Dong  

Público ISBD Ningún comentario para este registro. Título : Iterative Learning Control with Passive Incomplete Information : Algorithms Design and Convergence Analysis Tipo de documento: documento electrónico Autores: Shen, Dong, Mención de edición: 1 ed. Editorial: Singapore [Malasia] : Springer Fecha de publicación: 2018 Número de páginas: XIV, 294 p. 89 ilustraciones ISBN/ISSN/DL: 978-981-10-8267-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Ingeniería de control  Procesamiento de datos  Sistemas multicuerpo y vibraciones mecánicas  Aplicaciones de ingeniería matemática y computacional  Teoría de sistemas y control  Ingeniería  Matemáticas de ingeniería  Mecánica  Sistemas multicuerpo  Vibración Clasificación: 629.8312 Resumen: Este libro presenta una discusión en profundidad del control de aprendizaje iterativo (ILC) con información incompleta pasiva, destacando los datos de entrada y salida incompletos resultantes de factores prácticos como pérdida de datos, desorden de transmisión, retraso de comunicación, etc., un tema de vanguardia en relación con las aplicaciones prácticas de ILC. Describe en detalle tres modelos de pérdida de datos: el modelo de secuencia aleatoria, el modelo de variable de Bernoulli y el modelo de cadena de Markov, tanto para sistemas estocásticos lineales como no lineales. Además, propone y analiza dos algoritmos de compensación principales para los datos incompletos, a saber, el algoritmo de actualización intermitente y el algoritmo de actualización sucesiva. Los entornos de información incompleta incluyen pérdida aleatoria de datos, retraso aleatorio de comunicación, longitudes de iteración variables aleatorias y otras restricciones de comunicación. Con numerosas figuras intuitivas para hacer el contenido más accesible, el libro explora varias soluciones potenciales para este tema, asegurando que los lectores no solo conozcan los últimos avances en ILC para sistemas con factores aleatorios, sino que también obtengan una comprensión profunda de la relación intrínseca entre los entornos de información incompleta y el rendimiento esencial del seguimiento. Es un recurso valioso para académicos e ingenieros, así como para estudiantes de posgrado que estén interesados ​​en aprender sobre control, control basado en datos, sistemas de control en red y campos relacionados. Tipo de medio : Computadora Summary : This book presents an in-depth discussion of iterative learning control (ILC) with passive incomplete information, highlighting the incomplete input and output data resulting from practical factors such as data dropout, transmission disorder, communication delay, etc.—a cutting-edge topic in connection with the practical applications of ILC. It describes in detail three data dropout models: the random sequence model, Bernoulli variable model, and Markov chain model—for both linear and nonlinear stochastic systems. Further, it proposes and analyzes two major compensation algorithms for the incomplete data, namely, the intermittent update algorithm and successive update algorithm. Incomplete information environments include random data dropout, random communication delay, random iteration-varying lengths, and other communication constraints. With numerous intuitive figures to make the content more accessible, the book explores several potential solutions to this topic, ensuring that readers are not only introduced to the latest advances in ILC for systems with random factors, but also gain an in-depth understanding of the intrinsic relationship between incomplete information environments and essential tracking performance. It is a valuable resource for academics and engineers, as well as graduate students who are interested in learning about control, data-driven control, networked control systems, and related fields. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Iterative Learning Control with Passive Incomplete Information : Algorithms Design and Convergence Analysis [documento electrónico] / Shen, Dong,  . -  1 ed.  . - Singapore [Malasia] : Springer, 2018 . - XIV, 294 p. 89 ilustraciones. ISBN : 978-981-10-8267-2 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Ingeniería de control  Procesamiento de datos  Sistemas multicuerpo y vibraciones mecánicas  Aplicaciones de ingeniería matemática y computacional  Teoría de sistemas y control  Ingeniería  Matemáticas de ingeniería  Mecánica  Sistemas multicuerpo  Vibración Clasificación: 629.8312 Resumen: Este libro presenta una discusión en profundidad del control de aprendizaje iterativo (ILC) con información incompleta pasiva, destacando los datos de entrada y salida incompletos resultantes de factores prácticos como pérdida de datos, desorden de transmisión, retraso de comunicación, etc., un tema de vanguardia en relación con las aplicaciones prácticas de ILC. Describe en detalle tres modelos de pérdida de datos: el modelo de secuencia aleatoria, el modelo de variable de Bernoulli y el modelo de cadena de Markov, tanto para sistemas estocásticos lineales como no lineales. Además, propone y analiza dos algoritmos de compensación principales para los datos incompletos, a saber, el algoritmo de actualización intermitente y el algoritmo de actualización sucesiva. Los entornos de información incompleta incluyen pérdida aleatoria de datos, retraso aleatorio de comunicación, longitudes de iteración variables aleatorias y otras restricciones de comunicación. Con numerosas figuras intuitivas para hacer el contenido más accesible, el libro explora varias soluciones potenciales para este tema, asegurando que los lectores no solo conozcan los últimos avances en ILC para sistemas con factores aleatorios, sino que también obtengan una comprensión profunda de la relación intrínseca entre los entornos de información incompleta y el rendimiento esencial del seguimiento. Es un recurso valioso para académicos e ingenieros, así como para estudiantes de posgrado que estén interesados ​​en aprender sobre control, control basado en datos, sistemas de control en red y campos relacionados. Tipo de medio : Computadora Summary : This book presents an in-depth discussion of iterative learning control (ILC) with passive incomplete information, highlighting the incomplete input and output data resulting from practical factors such as data dropout, transmission disorder, communication delay, etc.—a cutting-edge topic in connection with the practical applications of ILC. It describes in detail three data dropout models: the random sequence model, Bernoulli variable model, and Markov chain model—for both linear and nonlinear stochastic systems. Further, it proposes and analyzes two major compensation algorithms for the incomplete data, namely, the intermittent update algorithm and successive update algorithm. Incomplete information environments include random data dropout, random communication delay, random iteration-varying lengths, and other communication constraints. With numerous intuitive figures to make the content more accessible, the book explores several potential solutions to this topic, ensuring that readers are not only introduced to the latest advances in ILC for systems with random factors, but also gain an in-depth understanding of the intrinsic relationship between incomplete information environments and essential tracking performance. It is a valuable resource for academics and engineers, as well as graduate students who are interested in learning about control, data-driven control, networked control systems, and related fields. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200