Commande Floue Tome 2 : De L'Approximation A L'Apprentissage
Par :Formats :
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format PDF est :
- Compatible avec une lecture sur My Vivlio (smartphone, tablette, ordinateur)
- Compatible avec une lecture sur liseuses Vivlio
- Pour les liseuses autres que Vivlio, vous devez utiliser le logiciel Adobe Digital Edition. Non compatible avec la lecture sur les liseuses Kindle, Remarkable et Sony
, qui est-ce ?Notre partenaire de plateforme de lecture numérique où vous retrouverez l'ensemble de vos ebooks gratuitement
Pour en savoir plus sur nos ebooks, consultez notre aide en ligne ici
- FormatPDF
- ISBN978-2-7462-0383-9
- EAN9782746203839
- Date de parution01/06/2008
- Copier Coller01 page(s) autorisée(s)
- Protection num.Digital Watermarking
- Taille4 Mo
- Transferts max.Autorisé
- Infos supplémentairesPDF avec Watermark
- ÉditeurHermes Science Publications
Résumé
Ce volume analyse la modélisation des systèmes dynamiques. Chaque chapitre est centré sur des approches utilisant des concepts traditionnels de l'automatique. Le premier chapitre introduit les propriétés d'approximation universelle des systèmes flous et présente quelques résultats essentiels qui mettent en évidence le lien entre cette propriété et la modélisation des systèmes. Le deuxième chapitre s'intéresse à une approche structurale de la modélisation floue à partir de données utilisant, d'une part, différentes méthodes de classification floue et, d'autre part, une méthode incrémentale par ajout de fonctions d'appartenance.
Le troisième chapitre développe une approche paramétrique de la modélisation sur la base de modèles locaux. Le quatrième chapitre traite de l'apprentissage par renforcement et montre comment cette technique peut être utilisée pour l'optimisation de systèmes flous destinés à la commande de systèmes dynamiques.
Le troisième chapitre développe une approche paramétrique de la modélisation sur la base de modèles locaux. Le quatrième chapitre traite de l'apprentissage par renforcement et montre comment cette technique peut être utilisée pour l'optimisation de systèmes flous destinés à la commande de systèmes dynamiques.





