Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "self-optimization" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Self-adjoint extensions of differential operators and exterior topological derivatives in shape optimization
Autorzy:
Nazarov, S. A.
Sokołowski, J.
Powiązania:
https://bibliotekanauki.pl/articles/970558.pdf
Data publikacji:
2005
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
rozszerzenie samosprzężone
optymalizacja kształtu
zewnętrzna pochodna topologiczna
self-adjoint extension
shape optimization
exterior topological derivative
ligament
Opis:
Self-adjoint extensions are constructed for a family of boundary value problems in domains with a thin ligament and an asymptotic analysis of a Lq-continuous functional is performed. The results can be used in numerical methods of shape and topology optimization of integral functionals for elliptic equations. At some stage of optimization process the singular perturbation of geometrical domain by an addition of thin ligament can be replaced by its approximation denned for the appropriate self-adjoint extension of the elliptic operator. In this way the topology variation of current geometrical domain can be determined and used e.g., in the level-set type methods of shape optimization.
Źródło:
Control and Cybernetics; 2005, 34, 3; 903-925
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural network models for combinatorial optimization : a survey of deterministic, stochastic and chaotic approaches
Autorzy:
Smith, K.
Potvin, J.
Kwok, T.
Powiązania:
https://bibliotekanauki.pl/articles/205943.pdf
Data publikacji:
2002
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
chaos
odwzorowanie samoporządkujące
optymalizacja kombinatoryczna
sieć Hopfielda
sieć neuronowa
combinatorial optimization
deformable templates
Hopfield networks
neural networks
self-organizing maps
Opis:
This paper serves as a tutorial on the use of neural networks for solving combinatorial optimization problems. It reviews the two main classes of neural network models : the gradient-based neural networks such as the Hopfield network, and the deformable template approaches such as the elastic net method and self organizing maps. In each class, the original model is presented, its limitations discussed, and subsequent developments and extensions are reviewed. Particular emphasis is placed on stochastic and chaotic variations on the neural network models designed to improve the optimization performance. Finally, the performance of these neural network models is compared and discussed relative to other heuristic approaches.
Źródło:
Control and Cybernetics; 2002, 31, 2; 183-216
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies