In order to carry out real-time dyn

In order to carry out real-time dynamic error correction of transducers described by a linear differential equation, a novel recurrent neural network was developed. The network structure is based on solving this equation with respect to the input quantity when using the state variables. It is shown that such a real-time correction can be carried out using simple linear perceptrons. Due to the use of a neural technique, knowledge of the dynamic parameters of the transducer is not necessary. Theoretical considerations are illustrated by the results of simulation studies performed for the modeled second order transducer. The most important properties of the neural dynamic error correction, when emphasizing the fundamental advantages and disadvantages, are discussed.

ผลลัพธ์ (ไทย) 1:

เครือข่ายประสาทเกิดซ้ำนวนิยายถูกพัฒนาขึ้นเพื่อดำเนินการแก้ไขข้อผิดพลาดแบบไดนามิกแบบเรียลไทม์ของหัววัดที่อธิบาย โดยสมการเชิงอนุพันธ์เชิงเส้น โครงสร้างเครือข่ายขึ้นอยู่กับการแก้สมการนี้กับปริมาณอินพุตเมื่อใช้ตัวแปรรัฐ เป็นแสดงว่า แก้ไขแบบเรียลไทม์สามารถทำโดยใช้ perceptrons เชิงเส้นอย่างง่าย เนื่องจากการใช้เทคนิคประสาท ความรู้เกี่ยวกับพารามิเตอร์แบบไดนามิกของพิกัดที่ไม่จำเป็น พิจารณาทฤษฎีจะแสดงผลลัพธ์ของการศึกษาการจำลองการดำเนินการสำหรับการสร้างแบบจำลองที่สองสั่งพิกัด คุณสมบัติสำคัญของการแก้ไขข้อผิดพลาดแบบไดนามิกประสาท เมื่อเน้นพื้นฐานข้อดีและข้อเสีย มีการกล่าวถึง

ผลลัพธ์ (ไทย) 2:

เพื่อที่จะดำเนินการในเวลาจริงแก้ไขข้อผิดพลาดแบบไดนามิกของก้อนอธิบายโดยสมการเชิงอนุพันธ์เชิงเส้นโครงข่ายประสาทกำเริบนวนิยายได้รับการพัฒนา โครงสร้างเครือข่ายที่อยู่บนพื้นฐานของการแก้สมการนี​​้ด้วยความเคารพต่อปริมาณการป้อนข้อมูลเมื่อใช้ตัวแปรรัฐ มันแสดงให้เห็นว่าการแก้ไขเวลาจริงสามารถดำเนินการได้โดยใช้ perceptrons เชิงเส้นอย่างง่าย เนื่องจากการใช้เทคนิคการประสาทความรู้ของพารามิเตอร์แบบไดนามิกของตัวแปลงสัญญาณที่ไม่จำเป็น ทฤษฎีการพิจารณาจะแสดงโดยผลของการศึกษาแบบจำลองดำเนินการสำหรับแปลงสัญญาณลำดับที่สองรูปแบบ คุณสมบัติที่สำคัญที่สุดของการแก้ไขข้อผิดพลาดของระบบประสาทแบบไดนามิกเมื่อเน้นพื้นฐานข้อดีและข้อเสียที่จะกล่าวถึง

ผลลัพธ์ (ไทย) 3:

เพื่อดำเนินการแก้ไขข้อผิดพลาดเวลาจริงแบบไดนามิกของทรานสดิวเซอร์อธิบายโดยสมการอนุพันธ์เชิงเส้น นิยายซ้ำเครือข่ายประสาทได้รับการพัฒนา โครงสร้างเครือข่ายขึ้นอยู่กับการแก้สมการนี้เทียบกับข้อมูลปริมาณเมื่อใช้รัฐตัวแปร มันแสดงให้เห็นว่าการแก้ไขดังกล่าวจริงสามารถดําเนินการใช้เพอร์เซปตรเชิงเส้นอย่างง่ายเนื่องจากการใช้เทคนิค ประสาท ความรู้ของพารามิเตอร์แบบไดนามิกของทรานสดิวเซอร์ไม่จําเป็น การพิจารณาเชิงทฤษฎี เป็นภาพประกอบ โดยผลลัพธ์ที่ได้จากการจำลองการศึกษาแสดงแบบจำลองที่สองใบเซอร์ คุณสมบัติที่สำคัญที่สุดของระบบประสาท การแก้ไขข้อผิดพลาดแบบไดนามิก ถ้าเน้นข้อดีพื้นฐานและข้อเสีย มีกล่าวถึง