Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Nous utilisons des cookies dans le but suivant :
Assurer le bon fonctionnement du site web, améliorer la sécurité et prévenir la fraude
Avoir un aperçu de l'utilisation du site web, afin d'améliorer son contenu et ses fonctionnalités
Pouvoir vous montrer les publicités les plus pertinentes sur des plateformes externes
Gestion des cookies
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Cookies techniques et fonctionnels
Ces cookies sont indispensables au bon fonctionnement du site internet et vous permettent par exemple de vous connecter. Vous ne pouvez pas désactiver ces cookies.
Cookies analytiques
Ces cookies collectent des informations anonymes sur l'utilisation de notre site web. De cette façon, nous pouvons mieux adapter le site web aux besoins des utilisateurs.
Cookies marketing
Ces cookies partagent votre comportement sur notre site web avec des parties externes, afin que vous puissiez voir des publicités plus pertinentes de Club sur des plateformes externes.
Une erreur est survenue, veuillez réessayer plus tard.
Il y a trop d’articles dans votre panier
Vous pouvez encoder maximum 250 articles dans votre panier en une fois. Supprimez certains articles de votre panier ou divisez votre commande en plusieurs commandes.
The technology of neural networks has attracted much attention in recent years. Their ability to learn nonlinear relationships is widely appreciated and is utilized in many different types of applications; modelling of dynamic systems, signal processing, and control system design being some of the most common. The theory of neural computing has matured considerably over the last decade and many problems of neural network design, training and evaluation have been resolved. This book provides a comprehensive introduction to the most popular class of neural network, the multilayer perceptron, and shows how it can be used for system identification and control. It aims to provide the reader with a sufficient theoretical background to understand the characteristics of different methods, to be aware of the pit-falls and to make proper decisions in all situations. The subjects treated include: System identification: multilayer perceptrons; how to conduct informative experiments; model structure selection; training methods; model validation; pruning algorithms. Control: direct inverse, internal model, feedforward, optimal and predictive control; feedback linearization and instantaneous-linearization-based controllers. Case studies: prediction of sunspot activity; modelling of a hydraulic actuator; control of a pneumatic servomechanism; water-level control in a conical tank. The book is very application-oriented and gives detailed and pragmatic recommendations that guide the user through the plethora of methods suggested in the literature. Furthermore, it attempts to introduce sound working procedures that can lead to efficient neural network solutions. This will make the book invaluable to the practitioner and as a textbook in courses with a significant hands-on component.