Deterministic Learning Theory for Identification, Recognition, and Control

Deterministisk läroteori för identifiering, igenkänning och kontroll. Boken "Deterministisk läroteori för identifiering, igenkänning och kontroll" presenterar en enhetlig konceptuell ramverk för kunskapsförvärv, representation och användning av kunskap i osäkra dynamiska miljöer. Den erbjuder systematiska designmetoder för identifiering, igenkänning och kontroll av linjära osäkra system. Till skillnad från många böcker som fokuserar på statistiska principer betonar denna bok inlärning genom stängda neuralkontrolleringsloopar, effektiv representation och igenkänning av tidsmönster på ett deterministiskt sätt.

En Deterministisk Syn på Inlärning i Dynamiska Miljöer Författarna inleder med en introduktion till begreppen inom den deterministiska läroteorin följt av en diskussion om RBF-nätverks persistenta excitationsegenskap. De beskriver elementen i deterministisk inlärning samt adresserar dynamisk mönsterigenkänning och mönsterbaserade styrprocesser. Resultaten är tillämpliga inom områden såsom detektion och isolering av oscillationsfel, EKG/EEG-mönsterigenkänningar, robotinlärning-och-styrningsprocesser samt säkerhetsanalys-och-styrningar av kraftsystem.

En Ny Modell för Informationsbearbetning Denna bok klargör en läroteori som utvecklas med hjälp av begrepp och verktyg från disciplinen system-och-kontrollteknik. Grundläggande kunskaper om systems dynamik erhålls från dynamiska processer vilket sedan används för att uppnå snabb igenkännande av dynamiska mönster samt mönsterbaserad stängd-loopkontroll via s.k interna-och-dynamiska matchningar med systems dynamiken. Detta representerar faktiskt en ny modell för informationsbearbetningen; nämligen en modell över dynamsikt parallell distribuerad bearbetining (DPDP).