Informacja

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

Wyszukujesz frazę "cellular neural network" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
Bifurcation in a nonlinear steady state system
Autorzy:
Wang, G. Q.
Cheng, S. S.
Powiązania:
https://bibliotekanauki.pl/articles/255541.pdf
Data publikacji:
2010
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
bifurcation
cellular neural network
steady state
Krasnoselsky fixed point theorem
Opis:
The steady state solutions of a nonlinear digital cellular neural network with ω neural units and a nonnegative variable parameter λ are sought. We show that λ = 1 is a critical value such that the qualitative behavior of our network changes. More specifically, when ω is odd, then for λ ∈ [0, 1), there is one positive and one negative steady state, and for λ ∈ [1, ∞), steady states cannot exist; while when ω is even, then for λ ∈ [0, 1), there is one positive and one negative steady state, and for λ = 1, there are no nontrivial steady states, and for λ ∈ (1, ∞), there are two fully oscillatory steady states. Furthermore, the number of existing nontrivial solutions cannot be improved. It is hoped that our results are of interest to digital neural network designers.
Źródło:
Opuscula Mathematica; 2010, 30, 3; 349-360
1232-9274
2300-6919
Pojawia się w:
Opuscula Mathematica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Coordinating the motion of mobile robots using Cellular Neural Network
Autorzy:
Siemiątkowska, B.
Powiązania:
https://bibliotekanauki.pl/articles/384283.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
neural networks
mobile robot
mapping
navigation
multi-robots systems
cellular neural network
Opis:
This paper presents a method for motion planning for a group of mobile robots. The goal of the group is to move through an environment and to reach a destination while maintaining the desired formation. The map of the environment is represented as a grid of cells. A state of each cell is determined. It can be free, occupied by the obstacle, occupied by a robot. The trajectories of the robots are planned using the modification of diffusion method. The algorithm is implemented using Cellular Neural Network. This kind of implementation allows of efficient path planning and to solve conflicts between robots. Computer simulations were preformed in order to proof the efficiency of the approach.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2008, 2, 2; 65-69
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A CNN based Hybrid approach towards automatic image registration
Hybrydowe podejście do automatycznej rejestracji obrazu z wykorzystaniem komórkowych sieci neuronowych
Autorzy:
Arun, P. V.
Katiyar, S. K.
Powiązania:
https://bibliotekanauki.pl/articles/145296.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
teledetekcja
metody resamplingu
sieć neuronowa komórkowa
analiza obrazu
rejestracja obrazu
cellular neural network (CNN)
image analysis
image registration
resampling
remote sensing
Opis:
Image registration is a key component of various image processing operations which involve the analysis of different image data sets. Automatic image registration domains have witnessed the application of many intelligent methodologies over the past decade; however inability to properly model object shape as well as contextual information had limited the attainable accuracy. In this paper, we propose a framework for accurate feature shape modeling and adaptive resampling using advanced techniques such as Vector Machines, Cellular Neural Network (CNN), SIFT, coreset, and Cellular Automata. CNN has found to be effective in improving feature matching as well as resampling stages of registration and complexity of the approach has been considerably reduced using corset optimization The salient features of this work are cellular neural network approach based SIFT feature point optimisation, adaptive resampling and intelligent object modelling. Developed methodology has been compared with contemporary methods using different statistical measures. Investigations over various satellite images revealed that considerable success was achieved with the approach. System has dynamically used spectral and spatial information for representing contextual knowledge using CNN-prolog approach. Methodology also illustrated to be effective in providing intelligent interpretation and adaptive resampling.
Rejestracja obrazu jest kluczowym składnikiem różnych operacji jego przetwarzania. W ostatnich latach do automatycznej rejestracji obrazu wykorzystuje się metody sztucznej inteligencji, których największą wadą, obniżającą dokładność uzyskanych wyników jest brak możliwości dobrego wymodelowania kształtu i informacji kontekstowych. W niniejszej pracy zaproponowano zasady dokładnego modelowania kształtu oraz adaptacyjnego resamplingu z wykorzystaniem zaawansowanych technik, takich jak Vector Machines (VM), komórkowa sieć neuronowa (CNN), przesiewanie (SIFT), Coreset i automaty komórkowe. Stwierdzono, że za pomocą CNN można skutecznie poprawiać dopasowanie obiektów obrazowych oraz resampling kolejnych kroków rejestracji, zaś zastosowanie optymalizacji metodą Coreset znacznie redukuje złożoność podejścia. Zasadniczym przedmiotem pracy są: optymalizacja punktów metodą SIFT oparta na podejściu CNN, adaptacyjny resampling oraz inteligentne modelowanie obiektów. Opracowana metoda została porównana ze współcześnie stosowanymi metodami wykorzystującymi różne miary statystyczne. Badania nad różnymi obrazami satelitarnymi wykazały, że stosując opracowane podejście osiągnięto bardzo dobre wyniki. System stosując podejście CNN-prolog dynamicznie wykorzystuje informacje spektralne i przestrzenne dla reprezentacji wiedzy kontekstowej. Metoda okazała się również skuteczna w dostarczaniu inteligentnych interpretacji i w adaptacyjnym resamplingu.
Źródło:
Geodesy and Cartography; 2013, 62, 1; 33-49
2080-6736
2300-2581
Pojawia się w:
Geodesy and Cartography
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Robust hybrid synchronization control of chaotic 3-cell CNN with uncertain parameters using smooth super twisting algorithm
Autorzy:
Siddique, Nazam
Rehman, Fazal
Raoof, Uzair
Iqbal, Shahid
Rashad, Muhammad
Powiązania:
https://bibliotekanauki.pl/articles/27311427.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
hybrid synchronization
cellular neural network
sliding mode control
smooth super twisting algorithm
Lyapunov stability theory
synchronizacja hybrydowa
sieć neuronowa komórkowa
sterowanie trybem przesuwnym
teoria Lyapunova
stabilność Lyapunova
algorytm super skręcania płynny
Opis:
This paper presents the control design framework for the hybrid synchronization (HS) and parameter identification of the 3-Cell Cellular Neural Network. The cellular neural network (CNN) of this kind has increasing practical importance but due to its strong chaotic behavior and the presence of uncertain parameters make it difficult to design a smooth control framework. Sliding mode control (SMC) is very helpful for this kind of environment where the systems are nonlinear and have uncertain parameters and bounded disturbances. However, conventional SMC offers a dangerous chattering phenomenon, which is not acceptable in this scenario. To get chattering-free control, smooth higher-order SMC formulated on the smooth super twisting algorithm (SSTA) is proposed in this article. The stability of the sliding surface is ensured by the Lyapunov stability theory. The convergence of the error system to zero yields hybrid synchronization and the unknown parameters are computed adaptively. Finally, the results of the proposed control technique are compared with the adaptive integral sliding mode control (AISMC). Numerical simulation results validate the performance of the proposed algorithm.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2023, 71, 5; art. no. e146474
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    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