"Modélisation et identification des systèmes dynamiques par les réseaux de neuronesartificielset les algorithmes méta-heuristiques"
Loading...
Files
Date
2020
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Univ M'sila
Abstract
L’objectif de ce mémoire de fin d’étude est d’offrir un modèle neuronal fiable et efficace
pour représenter les systèmes dynamiques. Un modèle primaire est initialement conçu à
l’aide des données réelles d’entrée/ sortie du système dynamique en considération. Ensuite,
l’erreur entre la sortie du système dynamique en considération et la sortie du modèle
primaire est modélisée pour créer le modèle d’erreur. Ce dernier modèle représente les
incertitudes dans le modèle primaire qui peuvent être facilement supprimés par une simple
soustraction de la sortie du modèle d’erreur de la sortie du modèle Primaire.
Abstract
The objective of this end of study project is to provide a reliable and efficient neural model
to represent dynamic systems. A primary model is initially designed using actual input /
output data from the dynamic system under consideration. Then, the error between the
output of the dynamic system under consideration and the output of the primary model is
modeled to create the error model. The latter model represents uncertainties in the primary
model that can be easily removed by simply subtracting the output of the error model from
the output of the Primary model.
ملخص
الهدف من أطروحة نهاية الدراسة هذه هو توفير نموذج عصبي موثوق وفعال لتمثيل الأنظمة الديناميكية. تم تصميم
النموذج الأساسي مبدئيًا باستخدام بيانات الإدخال / الإخراج الفعلية من النظام الديناميكي قيد الدراسة. بعد ذلك ، يتم
نمذجة الخطأ بين ناتج النظام الديناميكي قيد الدراسة ومخرجات النموذج الأساسي لإنشاء نموذج الخطأ. يمثل النموذج
الأخير حالات عدم يقين في النموذج الأساسي يمكن إزالتها بسهولة عن طريق طرح ناتج نموذج الخطأ من ناتج
النموذج الأساسي.