Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Levenberg-Marquardt algorithm" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    Tytuł:
    Stable gait synthesis and analysis of a 12 - degree of freedom eiped robot in sagittal and frontal planes
    Autorzy:
    Sudheer, A. P.
    Vijayakumar, R.
    Mohandas, K. P.
    Powiązania:
    https://bibliotekanauki.pl/articles/384563.pdf
    Data publikacji:
    2012
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    Denavit-Hartenberg parameters
    sagittal and frontal plane
    zero moment point (ZMP)
    Levenberg-Marquardt algorithm
    Cycloidal gait trajectory
    Opis:
    Legged machines have not been offered biologically realistic movement patterns and behaviours due to the limitations in kinematic, dynamics and control technique. When the degrees of freedom (DOF) increases, the robot becomes complex and it affects the postural stability. A loss of postural stability of biped may have potentially serious consequences and this demands thorough analysis for the better prediction and elimination of the possibility of fall. This work presents the modelling and simulation of twelve degrees of freedom (DOF) biped robot, walking along a pre-defined trajectory after considering the stability in sagittal and frontal planes based upon zero moment point (ZMP) criterion. Kinematic modelling and dynamic modelling of the robot are done using Denavit-Hartenberg (DH) parameters and Newton-Euler algorithm respectively. This paper also proposes Levenberg- Marquardt method for finding inverse kinematic solutions and determines the size of the foot based on ZMP for the stable motion of biped. Biped robot locomotion is simulated, kinematic and dynamic parameters are plotted using MATLAB. Cycloidal gait trajectory is experimentally validated for a particular step length of the biped.
    Źródło:
    Journal of Automation Mobile Robotics and Intelligent Systems; 2012, 6, 4; 36-44
    1897-8649
    2080-2145
    Pojawia się w:
    Journal of Automation Mobile Robotics and Intelligent Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Forward and inverse kinematics solution of a robotic manipulator using a multilayer feedforward neural network
    Autorzy:
    Sharkawy, Abdel-Nasser
    Powiązania:
    https://bibliotekanauki.pl/articles/2201647.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    multilayer neural network
    feedforward neural network
    forward kinematics
    inverse kinematics
    2-DOF planar robot
    Levenberg-Marquardt algorithm
    generated data
    sieci neuronowe
    sieci neuronowe jednokierunkowe
    sieci neuronowe wielowarstwowe
    kinematyka prosta
    kinematyka odwrotna
    algorytm Levenberga-Marquardta
    generowanie danych
    Opis:
    In this paper, a multilayer feedforward neural network (MLFFNN) is proposed for solving the problem of the forward and inverse kinematics of a robotic manipulator. For the forward kinematics solution, two cases are presented. The first case is that one MLFFNN is designed and trained to find solely the position of the robot end-effector. In the second case, another MLFFNN is designed and trained to find both the position and the orientation of the robot end-effector. Both MLFFNNs are designed considering the joints’ positions as the inputs. For the inverse kinematics solution, a MLFFNN is designed and trained to find the joints’ positions considering the position and the orientation of the robot end-effector as the inputs. For training any of the proposed MLFFNNs, data is generated in MATLAB using two different cases. The first case is that data is generated assuming an incremental motion of the robot’s joints, whereas the second case is that data is obtained with a real robot considering a sinusoidal joint motion. The MLFFNN training is executed using the Levenberg-Marquardt algorithm. This method is designed to be used and generalized to any DOF manipulator, particularly more complex robots such as 6-DOF and 7-DOF robots. However, for simplicity, this is applied in this paper using a 2-DOF planar robot. The results show that the approximation error between the desired output and the estimated one by the MLFFNN is very low and it is approximately equal to zero. In other words, the MLFFNN is efficient enough to solve the problem of the forward and inverse kinematics, regardless of the joint motion type.
    Źródło:
    Journal of Mechanical and Energy Engineering; 2022, 6, 2; 1--17
    2544-0780
    2544-1671
    Pojawia się w:
    Journal of Mechanical and Energy Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Regularyzacja identyfikacji obiektów złożonych opisanych modelami nieliniowymi
    Regularized identification of complex objects described by nonlinear models
    Autorzy:
    Polak, A. G.
    Mroczka, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/151146.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    regularyzacja estymacji
    algorytm Levenberga-Marquardta
    metoda Tichonowa-Phillipsa
    regularized estimation
    Levenberg-Marquardt algorithm
    Tikhonov-Phillips method
    Opis:
    W referacie przedstawiono modyfikację regularyzacji Tichonowa-Phillipsa (TP) przystosowującą ją do estymacji parametrów modeli nieliniowych źle uwarunkowanych numerycznie. Zaproponowane podejście porównano z metodami Gaussa-Newtona (GN), Levenberga-Marquardta (LM) oraz metodą łączącą LM z TP (LMTP). Analizę właściwości czterech zaimplementowanych algorytmów przeprowadzono metodą Monte Carlo. Pokazała ona, że w przypadku identyfikacji modeli nieliniowych zawierających parametry słabo określone przez dane pomiarowe i jednocześnie charakteryzujące się "regularnym" rozkładem wartości w wektorze parametrów, najlepsze wyniki daje estymacja metodą Tichonowa-Phillipsa.
    In the paper a modification of the Tikhonov-Phillips regularisation enabling the estimation of parameters of numerically ill-conditioned nonlinear models is presented. This approach was compared with the Gauss-Newton (GN) and Levenberg-Marquardt (LM) methods, as well as with a method combining LM with TP one (LMTP). The analysis of the four computer-implemented algorithms was done by the Monte Carlo simulations. They have shown that the result of identification of a nonlinear model possessing weakly defined, however "regularly" distributed parameters, is the most accurate when using the Tikhonov-Phillips method.
    Źródło:
    Pomiary Automatyka Kontrola; 2007, R. 53, nr 9 bis, 9 bis; 190-193
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Maximum likelihood estimation for identification of aircraft aerodynamic derivatives
    Identyfikacja pochodnych aerodynamicznych Metodą Największej Wiarygodności
    Autorzy:
    Lichota, P.
    Lasek, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/139934.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    flight dynamics
    flight data recorder
    Levenberg-Marquardt algorithm
    maximum likelihood estimation
    output error method
    parametric identification
    dynamika lotu
    pokładowy rejestrator lotu
    algorytm Levenberga-Marquardta
    metoda największej wiarygodności
    metoda błędu wyjścia
    identyfikacja parametryczna
    Opis:
    This article investigates identification of aircraft aerodynamic derivatives. The identification is performed on the basis of the parameters stored by Flight Data Recorder. The problem is solved in time domain by Quad-M Method. Aircraft dynamics is described by a parametric model that is defined in Body-Fixed-Coordinate System. Identification of the aerodynamic derivatives is obtained by Maximum Likelihood Estimation. For finding cost function minimum, Lavenberg-Marquardt Algorithm is used. Additional effects due to process noise are included in the state-space representation. The impact of initial values on the solution is discussed. The presented method was implemented in Matlab R2009b environment.
    Artykuł zawiera informacje na temat identyfikacji pochodnych aerodynamicznych. Estymacja opiera się o parametry zapisywane przez Pokładowy Rejestrator Lotu. Zagadnienie jest rozważane w dziedzinie czasu przy użyciu podejścia Quad-M. Do opisu dynamiki samolotu wykorzystano model parametryczny zdefiniowany w układzie sztywno związanym z samolotem. Do identyfikacji wykorzystano Metodę Największej Wiarygodności. Do znalezienia minimum funkcji celu użyto algorytm Levenberga-Marquardta. W modelu uwzględniono wpływ dodatkowych czynników reprezentowany przez szum przetwarzania. Omówiono wpływ wartości początkowych na rozwiązanie. Prezentowane wyniki uzyskano w środowisku Matlab R2009b.
    Źródło:
    Archive of Mechanical Engineering; 2013, LX, 2; 219-230
    0004-0738
    Pojawia się w:
    Archive of Mechanical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelling of back propagation neural network to predict the thermal performance of porous bed solar air heater
    Autorzy:
    Ghritlahre, Harish Kumar
    Prasad, Radha Krishna
    Powiązania:
    https://bibliotekanauki.pl/articles/240570.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    solar air heater
    porous bed
    thermal performance
    artificial neural network
    Levenberg-Marquardt algorithm
    Opis:
    The objective of present work is to predict the thermal performance of wire screen porous bed solar air heater using artificial neural network (ANN) technique. This paper also describes the experimental study of porous bed solar air heaters (SAH). Analysis has been performed for two types of porous bed solar air heaters: unidirectional flow and cross flow. The actual experimental data for thermal efficiency of these solar air heaters have been used for developing ANN model and trained with Levenberg-Marquardt (LM) learning algorithm. For an optimal topology the number of neurons in hidden layer is found thirteen (LM-13).The actual experimental values of thermal efficiency of porous bed solar air heaters have been compared with the ANN predicted values. The value of coefficient of determination of proposed network is found as 0.9994 and 0.9964 for unidirectional flow and cross flow types of collector respectively at LM-13. For unidirectional flow SAH, the values of root mean square error, mean absolute error and mean relative percentage error are found to be 0.16359, 0.104235 and 0.24676 respectively, whereas, for cross flow SAH, these values are 0.27693, 0.03428, and 0.36213 respectively. It is concluded that the ANN can be used as an appropriate method for the prediction of thermal performance of porous bed solar air heaters.
    Źródło:
    Archives of Thermodynamics; 2019, 40, 4; 103-128
    1231-0956
    2083-6023
    Pojawia się w:
    Archives of Thermodynamics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Fast computational approach to the Levenberg-Marquardt algorithm for training feedforward neural networks
    Autorzy:
    Bilski, Jarosław
    Smoląg, Jacek
    Kowalczyk, Bartosz
    Grzanek, Konrad
    Izonin, Ivan
    Powiązania:
    https://bibliotekanauki.pl/articles/2201329.pdf
    Data publikacji:
    2023
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    feed-forward neural network
    neural network learning algorithm
    Levenberg-Marquardt algorithm
    QR decomposition
    Givens rotation
    Opis:
    This paper presents a parallel approach to the Levenberg-Marquardt algorithm (LM). The use of the Levenberg-Marquardt algorithm to train neural networks is associated with significant computational complexity, and thus computation time. As a result, when the neural network has a big number of weights, the algorithm becomes practically ineffective. This article presents a new parallel approach to the computations in Levenberg-Marquardt neural network learning algorithm. The proposed solution is based on vector instructions to effectively reduce the high computational time of this algorithm. The new approach was tested on several examples involving the problems of classification and function approximation, and next it was compared with a classical computational method. The article presents in detail the idea of parallel neural network computations and shows the obtained acceleration for different problems.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2023, 13, 2; 45--61
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Local Levenberg-Marquardt algorithm for learning feedforwad neural networks
    Autorzy:
    Bilski, Jarosław
    Kowalczyk, Bartosz
    Marchlewska, Alina
    Zurada, Jacek M.
    Powiązania:
    https://bibliotekanauki.pl/articles/1837415.pdf
    Data publikacji:
    2020
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    feed-forward neural network
    neural network learning algorithm
    optimization problem
    Levenberg-Marquardt algorithm
    QR decomposition
    Givens rotation
    Opis:
    This paper presents a local modification of the Levenberg-Marquardt algorithm (LM). First, the mathematical basics of the classic LM method are shown. The classic LM algorithm is very efficient for learning small neural networks. For bigger neural networks, whose computational complexity grows significantly, it makes this method practically inefficient. In order to overcome this limitation, local modification of the LM is introduced in this paper. The main goal of this paper is to develop a more complexity efficient modification of the LM method by using a local computation. The introduced modification has been tested on the following benchmarks: the function approximation and classification problems. The obtained results have been compared to the classic LM method performance. The paper shows that the local modification of the LM method significantly improves the algorithm’s performance for bigger networks. Several possible proposals for future works are suggested.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2020, 10, 4; 299-316
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-7 z 7

      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