Informacja

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

Wyszukujesz frazę "Karhunen–Loève expansion" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Finite-Dimensional Control of Nonlinear Parabolic Pde Systems With Time-Dependent Spatial Domains Using Empirical Eigenfunctions
Autorzy:
Armaou, A.
Christofides, P. D.
Powiązania:
https://bibliotekanauki.pl/articles/908332.pdf
Data publikacji:
2001
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
sterowanie nieliniowe
sterowanie skończenie wymiarowe
Karhunen-Loeve expansion
Galerkin's method
nonlinear control
diffusion-reaction processes with moving boundaries
Opis:
This article presents a methodology for the synthesis of finite-dimensional nonlinear output feedback controllers for nonlinear parabolic partial differential equation (PDE) systems with time-dependent spatial domains. Initially, the nonlinear parabolic PDE system is expressed with respect to an appropriate time-invariant spatial coordinate, and a representative (with respect to different initial conditions and input perturbations) ensemble of solutions of the resulting time-varying PDE system is constructed by computing and solving a high-order discretization of the PDE. Then, the Karhunen-Loeve expansion is directly applied to the ensemble of solutions to derive a small set of empirical eigenfunctions (dominant spatial patterns) that capture almost all the energy of the ensemble of solutions. The empirical eigenfunctions are subsequently used as basis functions within a Galerkin model reduction framework to derive low-order ordinary differential equation (ODE) systems that accurately describe the dominant dynamics of the PDE system. The ODE systems are subsequently used for the synthesis of nonlinear output feedback controllers using geometric control methods. The proposed control method is used to stabilize an unstable steady-state of a diffusion-reaction process with nonlinearities, spatially-varying coefficients and time-dependent spatial domain, and is shown to lead to the construction of accurate low-order models and the synthesis of low-order controllers. The performance of the low-order models and controllers is successfully tested through computer simulations.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2001, 11, 2; 287-317
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Specyficzna identyfikacja emiterów radarowych bazująca na analizie składowych głównych
Specific radar emitter identification based on principal component analysis
Autorzy:
Kawalec, A.
Owczarek, R.
Rapacki, T.
Wnuczek, S.
Powiązania:
https://bibliotekanauki.pl/articles/210693.pdf
Data publikacji:
2006
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
walka elektroniczna
klasyfikacja cech sygnałów radarowych
specyficzna identyfikacja emiterów
przekształcenie Karhunena-Loeve'a
warfare electronic
radar signal feature classification
specific emitter identification
Karhunen-Loeve expansion
Opis:
W artykule została przedstawiona problematyka związana z identyfikacją emiterów radarowych należących do tego samego typu i klasy. Jest to specyficzny rodzaj identyfikacji (SEI, ang. Specific Emitter Identification), polegający na rozróżnianiu poszczególnych egzemplarzy tego samego typu radaru. Klasyczna identyfikacja sygnałów bazująca na analizie statystycznej podstawowych parametrów mierzalnych sygnału nie spełnia wymagań stawianych przed SEI. Przedstawiona w artykule metoda identyfikacji opiera się na przekształceniu Karhunena-Loeve'a (KL), która należy do metod analizy składowych głównych (PCA, ang. Principal Component Analysis).
One of the most difficult tasks in the radar signal processing is optimal features extraction and classification. The multifunction radar systems cannot be classified and precisely recognized by most of new and modern Electronic Support Measure and Electronic Intelligence Devices in the real time. In most cases, the modern ESM/ELINT systems cannot recognize the different devices of the same type or class. New method of the radar identification with a high quality of recognizing is the Specific Emitter Identification (SEI). The main task is to find non-intentional modulations in the receiving signals. This paper provides an overview of the new methods of measurement emitter signal features parameters and their transformation. This paper presents some aspects of radar signal features processing using Karhunen-Loeve's expansion as a feature selection and classification transform.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2006, 55, 1; 41-54
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A dynamic bi-orthogonal field equation approach to efficient Bayesian inversion
Autorzy:
Tagade, P. M.
Choi, H. L.
Powiązania:
https://bibliotekanauki.pl/articles/330516.pdf
Data publikacji:
2017
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
Bayesian framework
stochastic partial differential equation
Karhunen–Loève expansion
generalized polynomial chaos
dynamically biorthogonal field equations
ramy Bayesa
stochastyczne równanie różniczkowe
przekształcenie Karhunena-Loeve'a
chaos wielomianowy
Opis:
This paper proposes a novel computationally efficient stochastic spectral projection based approach to Bayesian inversion of a computer simulator with high dimensional parametric and model structure uncertainty. The proposed method is based on the decomposition of the solution into its mean and a random field using a generic Karhunen–Loève expansion. The random field is represented as a convolution of separable Hilbert spaces in stochastic and spatial dimensions that are spectrally represented using respective orthogonal bases. In particular, the present paper investigates generalized polynomial chaos bases for the stochastic dimension and eigenfunction bases for the spatial dimension. Dynamic orthogonality is used to derive closed-form equations for the time evolution of mean, spatial and the stochastic fields. The resultant system of equations consists of a partial differential equation (PDE) that defines the dynamic evolution of the mean, a set of PDEs to define the time evolution of eigenfunction bases, while a set of ordinary differential equations (ODEs) define dynamics of the stochastic field. This system of dynamic evolution equations efficiently propagates the prior parametric uncertainty to the system response. The resulting bi-orthogonal expansion of the system response is used to reformulate the Bayesian inference for efficient exploration of the posterior distribution. The efficacy of the proposed method is investigated for calibration of a 2D transient diffusion simulator with an uncertain source location and diffusivity. The computational efficiency of the method is demonstrated against a Monte Carlo method and a generalized polynomial chaos approach.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2017, 27, 2; 229-243
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    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