Onze Vivlio e-readers ondervinden momenteel synchronisatieproblemen. We doen er alles aan om dit zo snel mogelijk op te lossen. Onze excuses voor het ongemak!

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Onze Vivlio e-readers ondervinden momenteel synchronisatieproblemen. We doen er alles aan om dit zo snel mogelijk op te lossen. Onze excuses voor het ongemak!

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Winkels

Verlanglijstje

Winkels

Verlanglijstje

Zoeken

Volg ons op

Wist je dat er in Vlaanderen voor iedereen een Standaard Boekhandel is binnen een straal van 7 km?

Zoek een winkel

€ 293,45

+ 586 punten

Verwachte leverdatum onbekend

Eenvoudig bestellen

Veilig betalen

Gratis thuislevering vanaf € 30 (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

Intelligent systems are a hallmark of modern feedback control systems. But as these systems mature, we have come to expect higher levels of performance in speed and accuracy in the face of severe nonlinearities, disturbances, unforeseen dynamics, and unstructured uncertainties. Artificial neural networks offer a combination of adaptability, parallel processing, and learning capabilities that outperform other intelligent control methods in more complex systems.

Borrowing from Biology
Examining neurocontroller design in discrete-time for the first time, Neural Network Control of Nonlinear Discrete-Time Systems presents powerful modern control techniques based on the parallelism and adaptive capabilities of biological nervous systems. At every step, the author derives rigorous stability proofs and presents simulation examples to demonstrate the concepts.

Progressive Development
After an introduction to neural networks, dynamical systems, control of nonlinear systems, and feedback linearization, the book builds systematically from actuator nonlinearities and strict feedback in nonlinear systems to nonstrict feedback, system identification, model reference adaptive control, and novel optimal control using the Hamilton-Jacobi-Bellman formulation. The author concludes by developing a framework for implementing intelligent control in actual industrial systems using embedded hardware.

Neural Network Control of Nonlinear Discrete-Time Systems fosters an understanding of neural network controllers and explains how to build them using detailed derivations, stability analysis, and computer simulations.