تخمینگر افق بلند رفتار سیگنال کنترلی و دینامیک بر مبنای داده یادگیری کوتاه مدت با روش پیشنهادی مانده ماتریس ترکیب توابع پایه
نویسندگان
1 استادیار، گروه مکانیک جامدات، دانشکذه مهندسی مکانیک، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران
doi
10.22034/jmeut.2025.65957.3520چکیده
در این پژوهش تلاش شده است تا با معرفی یک تخمینگر افق بلند رفتار بر مبنای یادگیری کوتاه مدت، به بررسی تاثیر ترکیب توابع پایه رایج در ساختار مجموع وزن دار ضرب آنها پرداخته شود. این شبکه تخمین گر سیگنال کوتاه مدت را دریافت کرده و در یک فرآیند بازگشنی مبتنی بر مانده خطای ترکیب توابع باقیمانده، تا جایی به ترکیب افزایشی توابع پایه بپردازد که خطا و انرژی خطا از حد معینی کمتر شود. توابع پایه در این روش پیشنهادی ثابت نیستند و در علوم مهندسی متفاوت، متفاوت خواهند بود. در نتیجه باید یک نیروی خبره در یک شاخه، توابع پاسخ نمونه را فهرست بندی کرده و آنها را به عنوان توابع پایه به شبکه تخمین تزویق کند. این پژوهش بنا بر شاخه پژوهش گروه نویسندگان، بر بررسی و توسعه این تخمین گر افق بلند رفتار بر مبنای پاسخ های رایج در علوم، رباتیک، دینامیک چند جسمی، و کنترل خواهد پرداخت. این شبکه پیشنهادی با روش های فیلتر پاسخ محدود، کمینه مربعات خطای بازگشتی، گرادیان کاهشی آماری، شبکه های عصبی و مدل های حافظه بلند و کوتاه مقایسه خواهد شد. همچنین این مقایسه ها در مورد سیگنال های آشوبناک، نویز بالا، فرکانس بالا، پاسخ-دینامیک بررسی خواهد شد.