Distributed parameter system identification using finite element differential neural networks
Rita Quetziquel Fuentes Aguilar

Disciplina: Ingeniería y tecnología/Biotecnología Industrial
Tipo de contenido: Artículo Científico
Journal: Applied Soft Computing
Coautores: Omar Aguilar-Leal, Rita Q. Fuentes-Aguilar, Isaac Chairez, Alejandro Garcia, Joel Huegel

Resumen:

El artículo presenta la identificación no paramétrica de sistemas de parámetros distribuidos que presentan incertidumbres y que suelen ser modelados mediante ecuaciones diferenciales parciales. El método de elemento finito se combina con el algoritmo de identificación adaptable propuesto, el cual emplea una red neuronal diferencial. Un sistema en 2D fue aproximado mediante la estructura de Red Neuronal Diferencial con Elemento Finito, utilizando datos reales adquiridos de la deformación de un tejido. De igual forma se presenta el modelo aproximado mediante el mismo algoritmo pero para un sistema en 3D. Todo el sistema fue programado en CUDA/C para reducir el tiempo de ejecución.  La red neuronal diferencial con Elemento Finito propuesta se compara con un método basado en el análisis de componentes principales y una red neuronal artificial entrenada con optimización de búsqueda grupal. Los resultados muestran que la red neuronal diferencial basada en FEM se aproxima al comportamiento dinámico de un sistema 3D real y simulado como se esperaba.

¿Deseas enviar un comentario a los autores? Es muy sencillo, simplemente inicia sesión en PhD Talks
Comentario (Por Antigüedad)