Red neuronal estructurada en el espacio de estados como modelo de caja gris

  1. Jesús M. Zamarreño 1
  2. Alejandro Merino 2
  1. 1 Universidad de Valladolid
    info

    Universidad de Valladolid

    Valladolid, España

    ROR https://ror.org/01fvbaw18

  2. 2 Universidad de Burgos
    info

    Universidad de Burgos

    Burgos, España

    ROR https://ror.org/049da5t36

Libro:
XL Jornadas de Automática: libro de actas. Ferrol, 4-6 de septiembre de 2019
  1. Jose Luis Calvo Rolle (coord.)
  2. Jose Luis Casteleiro Roca (coord.)
  3. María Isabel Fernández Ibáñez (coord.)
  4. Óscar Fontenla Romero (coord.)
  5. Esteban Jove Pérez (coord.)
  6. Alberto José Leira Rejas (coord.)
  7. José Antonio López Vázquez (coord.)
  8. Vanesa Loureiro Vázquez (coord.)
  9. María Carmen Meizoso López (coord.)
  10. Francisco Javier Pérez Castelo (coord.)
  11. Andrés José Piñón Pazos (coord.)
  12. Héctor Quintián Pardo (coord.)
  13. Juan Manuel Rivas Rodríguez (coord.)
  14. Benigno Rodríguez Gómez (coord.)
  15. Rafael Alejandro Vega Vega (coord.)

Editorial: Servizo de Publicacións ; Universidade da Coruña

ISBN: 978-84-9749-716-9

Año de publicación: 2019

Páginas: 639-646

Congreso: Jornadas de Automática (40. 2019. Ferrol)

Tipo: Aportación congreso

DIALNET GOOGLE SCHOLAR lock_openRUC editor

Resumen

La Red Neuronal en el Espacio de Estados (RNEE) ha demostrado muy buenas propiedades en el modelado de sistemas dinámicos. En este artículo, proponemos una evolución de dicha red neuronal cuando la información sobre la estructura interna del sistema está disponible mediante algún tipo de modelo. Con esta información se puede obtener un modelo de caja gris que representa de forma más fidedigna el sistema modelado. Este modelo ha sido bautizado como Red Neuronal Estructurada en el Espacio de Estados (RNEEE). Se presenta un ejemplo sobre un caso de estudio en simulación.

Fuente de los datos: Dialnet