Controlador neuronal incremental aplicado a un mezclador de flujos

Autores
Martínez, Sergio; Tarifa, Enrique E.; Domínguez, Samuel Franco
Año de publicación
2013
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En este trabajo se diseña e implementa un controlador tipo MIMO basado en redes neuronales artificiales, aplicado a un modelo de mezclador de corrientes líquidas, configurado sobre el entorno de simulación gráfica de Matlab®. Se destaca una particular metodología de entrenamiento del controlador neuronal, basada en un punto de operación genérico asociado a un reducido entorno del espacio de datos definidos en forma incremental, permitiendo una importante reducción de datos de aprendizaje y esfuerzo computacional. El desempeño del controlador es comparado con otro controlador neuronal similar configurado bajo un proceso de entrenamiento estándar. Los resultados obtenidos permiten apreciar las ventajas del método de control incremental.
IV Workshop procesamiento de señales y sistemas de tiempo real.
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Informática
Neural nets
redes neuronales
Simulation
mezclador de flujos
simulación
Information flow controls
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/31643
Acceder
id SEDICI_0bdbd22c5b217f2c16826839b21e5f51
oai_identifier_str oai:sedici.unlp.edu.ar:10915/31643
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Controlador neuronal incremental aplicado a un mezclador de flujosMartínez, SergioTarifa, Enrique E.Domínguez, Samuel FrancoCiencias InformáticasInformáticaNeural netsredes neuronalesSimulationmezclador de flujossimulaciónInformation flow controlsEn este trabajo se diseña e implementa un controlador tipo MIMO basado en redes neuronales artificiales, aplicado a un modelo de mezclador de corrientes líquidas, configurado sobre el entorno de simulación gráfica de Matlab®. Se destaca una particular metodología de entrenamiento del controlador neuronal, basada en un punto de operación genérico asociado a un reducido entorno del espacio de datos definidos en forma incremental, permitiendo una importante reducción de datos de aprendizaje y esfuerzo computacional. El desempeño del controlador es comparado con otro controlador neuronal similar configurado bajo un proceso de entrenamiento estándar. Los resultados obtenidos permiten apreciar las ventajas del método de control incremental.IV Workshop procesamiento de señales y sistemas de tiempo real.Red de Universidades con Carreras en Informática (RedUNCI)2013-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/31643spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T10:30:47Zoai:sedici.unlp.edu.ar:10915/31643Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 10:30:48.434SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Controlador neuronal incremental aplicado a un mezclador de flujos
title Controlador neuronal incremental aplicado a un mezclador de flujos
spellingShingle Controlador neuronal incremental aplicado a un mezclador de flujos
Martínez, Sergio
Ciencias Informáticas
Informática
Neural nets
redes neuronales
Simulation
mezclador de flujos
simulación
Information flow controls
title_short Controlador neuronal incremental aplicado a un mezclador de flujos
title_full Controlador neuronal incremental aplicado a un mezclador de flujos
title_fullStr Controlador neuronal incremental aplicado a un mezclador de flujos
title_full_unstemmed Controlador neuronal incremental aplicado a un mezclador de flujos
title_sort Controlador neuronal incremental aplicado a un mezclador de flujos
dc.creator.none.fl_str_mv Martínez, Sergio
Tarifa, Enrique E.
Domínguez, Samuel Franco
author Martínez, Sergio
author_facet Martínez, Sergio
Tarifa, Enrique E.
Domínguez, Samuel Franco
author_role author
author2 Tarifa, Enrique E.
Domínguez, Samuel Franco
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Informática
Neural nets
redes neuronales
Simulation
mezclador de flujos
simulación
Information flow controls
topic Ciencias Informáticas
Informática
Neural nets
redes neuronales
Simulation
mezclador de flujos
simulación
Information flow controls
dc.description.none.fl_txt_mv En este trabajo se diseña e implementa un controlador tipo MIMO basado en redes neuronales artificiales, aplicado a un modelo de mezclador de corrientes líquidas, configurado sobre el entorno de simulación gráfica de Matlab®. Se destaca una particular metodología de entrenamiento del controlador neuronal, basada en un punto de operación genérico asociado a un reducido entorno del espacio de datos definidos en forma incremental, permitiendo una importante reducción de datos de aprendizaje y esfuerzo computacional. El desempeño del controlador es comparado con otro controlador neuronal similar configurado bajo un proceso de entrenamiento estándar. Los resultados obtenidos permiten apreciar las ventajas del método de control incremental.
IV Workshop procesamiento de señales y sistemas de tiempo real.
Red de Universidades con Carreras en Informática (RedUNCI)
description En este trabajo se diseña e implementa un controlador tipo MIMO basado en redes neuronales artificiales, aplicado a un modelo de mezclador de corrientes líquidas, configurado sobre el entorno de simulación gráfica de Matlab®. Se destaca una particular metodología de entrenamiento del controlador neuronal, basada en un punto de operación genérico asociado a un reducido entorno del espacio de datos definidos en forma incremental, permitiendo una importante reducción de datos de aprendizaje y esfuerzo computacional. El desempeño del controlador es comparado con otro controlador neuronal similar configurado bajo un proceso de entrenamiento estándar. Los resultados obtenidos permiten apreciar las ventajas del método de control incremental.
publishDate 2013
dc.date.none.fl_str_mv 2013-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/31643
url http://sedici.unlp.edu.ar/handle/10915/31643
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1842260151411671040
score 13.13397

Publicaciones similares