Por favor, use este identificador para citar o enlazar este ítem:
https://rinacional.tecnm.mx/jspui/handle/TecNM/5487| Título : | Modelado de Sistemas no Lineales Afines con la Entrada a través de Redes Neuronales Dinámicas mediante Acoplamiento del Dominio y Rango de la Incertidumbre |
| Autor : | Govea Moreno, Lis Beatriz%740890 |
| Fecha de publicación : | 2019-04-12 |
| Editorial : | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Centro Nacional de Investigación y Desarrollo Tecnológico |
| Descripción : | Existen un sin número de problemas de las ciencias en general y la ingeniería en particular, que pueden ser modelados matemáticamente. El proceso del modelado de fenómenos físicos es en general una tarea compleja. Por otra parte, existen fuentes de incertidumbre que se suman a la tarea compleja de dichos modelados que son representaciones matemáticas. Las redes neuronales son una alternativa plausible para obtener una representación no paramétrica de dichos sistemas. Es conocido que las redes neuronales pueden aproximarse a un gran conjunto de funciones continuas definidas en un conjunto compacto con una precisión arbitraria. En este trabajo se propone el modelado de sistemas no lineales inciertos con red neuronal dinámica mediante el acoplamiento de la incertidumbre. Con una base fundamentada en el conocimiento del dominio y rango de la incertidumbre, se formula un teorema proponiendo una red neuronal dinámica para la aproximación de esta, y se incluye una matriz de acoplamiento que una vez seleccionada brinda información sobre la incertidumbre del modelo con lo que se garantiza que la red neuronal proporcione una mejor estimación. |
| metadata.dc.type: | info:eu-repo/semantics/masterThesis |
| Aparece en las colecciones: | Tesis de Maestría en Ingeniería Electrónica |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| ME_Lis_Beatriz_Govea_Moreno_2019.pdf | Tesis | 2.99 MB | Adobe PDF | Visualizar/Abrir |
| ME_Lis_Beatriz_Govea_Moreno_2019_C.pdf Restricted Access | Cesión de Derechos | 100.41 kB | Adobe PDF | Visualizar/Abrir Request a copy |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
