[49] develops neuro-fuzzy approache

[49] develops neuro-fuzzy approaches to determine
time-optimal, collision-free path of a car-like mobile robot
navigating in a dynamic environment. A fuzzy logic
controller (FLC) is used to control the robot and the
performance of the FLC is improved by using three different
neuro-fuzzy (NN-FLC) approaches. it relaxes the need of an
accurate mathematical model of the system by replacing the
mathematical knowledge by human (expert) knowledge. The
neuro-fuzzy approaches are found to perform better than the
other approaches, in most of the test scenarios. It is also
interesting to note that the CPU times of all these approaches
are found to be low. Thus, they might be suitable for online
implementations.
Intelligence control techniques for the purpose of vehicle
control are presented in [5] which are consist of knowledge
based control, fuzzy control and neural network control

ผลลัพธ์ (ไทย) 1:

[49] พัฒนาวิธีศัลยกรรมเอิบเพื่อกำหนดเส้นทางที่เหมาะ สมของเวลา อิสระชนหุ่นยนต์เคลื่อนเช่นรถยนต์การนำทางในสภาพแวดล้อมแบบไดนามิก ตรรกศาสตร์คลุมเครือเป็นควบคุม (FLC) ใช้ควบคุมหุ่นยนต์และเป็นการปรับปรุงประสิทธิภาพของ FLC ที่โดยสามแตกต่างกันสมองเอิบ (NN-FLC) วิธีการ มันก็จำเป็นต้องมีแบบจำลองทางคณิตศาสตร์ที่ถูกต้องของระบบด้วยการแทนความรู้ทางคณิตศาสตร์ โดยมนุษย์ () ความรู้ ที่พบสมองชัดเจนวิธีการดีกว่าอื่น ๆ วิธี ในที่สุดสถานการณ์ทดสอบ มีจะสังเกตว่า เวลา CPU ของวิธีเหล่านี้ที่น่าสนใจจะพบจะต่ำ ดังนั้น พวกเขาอาจจะเหมาะสำหรับออนไลน์ใช้งานเทคนิคการควบคุมอัจฉริยะเพื่อยานพาหนะตัวควบคุมจะแสดง [5] ซึ่งจะประกอบด้วยความรู้ควบคุม ควบคุมชัดเจน และควบคุมโครงข่ายประสาท

ผลลัพธ์ (ไทย) 2:

[49] วิธีการพัฒนาระบบประสาทเลือนในการกำหนดเวลาที่ดีที่สุดเส้นทางการปะทะกันฟรีของหุ่นยนต์รถมือถือเช่นการนำทางในสภาพแวดล้อมแบบไดนามิก ตรรกะคลุมเครือควบคุม (FLC) ถูกนำมาใช้ในการควบคุมหุ่นยนต์และประสิทธิภาพการทำงานของFLC จะดีขึ้นโดยการใช้แตกต่างกันสามระบบประสาทเลือน(NN-FLC) วิธีการ ผ่อนคลายความต้องการของที่แบบจำลองทางคณิตศาสตร์ที่ถูกต้องของระบบโดยการเปลี่ยนความรู้ทางคณิตศาสตร์โดยมนุษย์(ผู้เชี่ยวชาญ) ความรู้ วิธีการของระบบประสาทเลือนจะพบว่าทำงานได้ดีขึ้นกว่าวิธีการอื่น ๆ ในส่วนของสถานการณ์การทดสอบ นอกจากนี้ยังเป็นที่น่าสนใจที่จะทราบว่าเวลาที่ CPU ของวิธีการเหล่านี้จะพบว่ามีระดับต่ำ ดังนั้นพวกเขาอาจจะมีความเหมาะสมสำหรับการออนไลน์การใช้งาน. หน่วยสืบราชการลับเทคนิคการควบคุมเพื่อวัตถุประสงค์ของรถควบคุมถูกนำเสนอใน [5] ซึ่งประกอบด้วยความรู้การควบคุมที่ใช้ควบคุมฟัซซี่และการควบคุมโครงข่ายประสาทเทียม

ผลลัพธ์ (ไทย) 3:

[ 49 ] พัฒนา Neuro ฟัซซี่วิธีการตรวจสอบ
เวลาที่เหมาะสมที่สุด , เส้นทางการชนฟรีของรถเหมือนหุ่นยนต์
นำทางในสภาพแวดล้อมแบบไดนามิก ตัวควบคุมฟัซซี่ลอจิก
( FLC ) จะใช้ในการควบคุมหุ่นยนต์และสมรรถนะของตัวควบคุมแบบฟัซซีจะดีขึ้น

Neuro ฟัซซี่โดยใช้ที่แตกต่างกันสาม ( nn-flc ) วิธี มันผ่อนคลายความต้องการของ
ถูกต้องแบบจำลองทางคณิตศาสตร์ของระบบโดยการแทน
ทางคณิตศาสตร์ ความรู้โดยมนุษย์ ( ผู้เชี่ยวชาญ ) ความรู้
Neuro ฟัซซี่เข้ามาพบเพื่อแสดงดีกว่า
วิธีอื่น ๆ ในส่วนใหญ่ของกรณีทดสอบ นอกจากนี้
น่าสนใจที่จะทราบว่าซีพียูครั้งวิธี
ทั้งหมดเหล่านี้จะพบได้น้อย ดังนั้นพวกเขาอาจจะเหมาะสำหรับการใช้งานออนไลน์
.
เทคนิคการควบคุมสติปัญญาเพื่อยานพาหนะ
การควบคุมจะถูกนำเสนอใน [ 5 ] ซึ่งประกอบด้วยความรู้
ควบคุมโดยการควบคุมแบบฟัซซีและการควบคุมโครงข่ายประสาทเทียม