[31,32] for discrete time systems a

[31,32] for discrete time systems and[33,34] for continuous systems. In Ref. [34] the authors proposed a framework for time-varying parameter estimation in the contin-uous time-domain for a large class of nonlinear systems using a sliding-neural observer. Neural network s have been proposed to estimate the wind speed directly, see the works of [8 e 11 ]. Some of the main drawbacks of these works have been stated before.

ผลลัพธ์ (ไทย) 1:

[31,32] สำหรับระบบเวลาไม่ต่อเนื่อง และ [33,34] สำหรับระบบอย่างต่อเนื่อง ในอ้างอิง [34] ผู้เขียนเสนอกรอบเวลาแตกต่างกันประมาณพารามิเตอร์ใน uous จักรยานเวลาโดเมนสำหรับชั้นเรียนขนาดใหญ่ของระบบไม่เชิงเส้นการใช้นักการเลื่อนประสาท เครือข่ายประสาท s ได้รับการเสนอการประเมินความเร็วลมโดยตรง ดูงานของ [8 e 11] บางส่วนของข้อเสียหลักของงานเหล่านี้มีการระบุไว้ก่อน

ผลลัพธ์ (ไทย) 2:

[31,32] สำหรับระบบเวลาต่อเนื่องและ [33,34] สำหรับระบบอย่างต่อเนื่อง ในการอ้างอิง [34] ผู้เขียนนำเสนอกรอบการทำงานสำหรับเวลาที่แตกต่างกันประมาณค่าพารามิเตอร์ใน contin-uous โดเมนเวลาสำหรับการเรียนที่มีขนาดใหญ่ของระบบที่ไม่เป็นเชิงเส้นโดยใช้ผู้สังเกตการณ์เลื่อนประสาท เครือข่ายประสาทได้รับการเสนอเพื่อประเมินความเร็วลมโดยตรงให้ดูที่ผลงานของ [8 อี 11] บางส่วนของข้อบกพร่องหลักของผลงานเหล่านี้ได้รับการระบุไว้ก่อน

ผลลัพธ์ (ไทย) 3:

[ 31,32 ] สำหรับระบบเวลาไม่ต่อเนื่องและ [ 33,34 ] สำหรับระบบอย่างต่อเนื่อง ในอังกฤษ [ 34 ] ผู้เขียนเสนอกรอบเวลาการประมาณค่าพารามิเตอร์ใน Contin uous เวลาสำหรับชั้นเรียนขนาดใหญ่ของระบบไม่เชิงเส้นโดยใช้ตัวเลื่อนแบบสังเกตการณ์ เครือข่ายประสาทได้รับการเสนอเพื่อประเมินความเร็วลมโดยตรง เห็นผลงานของ [ 8 E 11 ]บางส่วนของข้อเสียหลักของผลงานเหล่านี้ได้รับการระบุไว้ก่อน