Modelos, Control y Sistema de Visión
Central     Modelos     Control     Visión     Aplicaciones     Publicaciones     Mapa     Buzón     Sobre el autor      
Funciones     Plantas     Benchmarks     Modelos     Jerárquicos     Robótica aplicada     Imágenes      

Ejemplos de modelos

Redes Neuronales 

Sistemas borrosos

Características del modelo:

Nombre: Modelo de Box y Jenkins
Número de reglas: 21
Tipo de consecuente: TSK
Número de épocas: 30000
Factor de aprendizaje inicial: 0.01
Factor de aprendizaje final: 0.0206
Número de datos usados para validar: 25%
Estructura de entrada-salida:

y(t) = f[y(t-1), u(t-3), u (t-4)]

Ver consideraciones sobre datos

 

                                                                                

 

Características del modelo:

Nombre: Modelo de la planta III
Número de reglas: 13
Tipo de consecuente: singleton
Número de épocas: 1000
Factor de aprendizaje inicial(1): 0.01

Factor de aprendizaje inicial(2): 0.01
Factor de aprendizaje final(1): 0.0138

Factor de aprendizaje final(2): 0.0066
Número de datos usados para validar: 25%
Estructura de entrada-salida:

y1(t)= f1[y1(t-1), y2(t-1), y1(t-2), y2(t-2) u1(t), u2(t)]

y2(t)= f2[y1(t-1), y2(t-1), y1(t-2), y2(t-2) u1(t), u2(t)]

Archivo Matlab representativo del modelo

 

Características del modelo:

Nombre: Función 8
Número de reglas: 29
Tipo de consecuente: TSK con afín
Número de épocas: 5000
Factor de aprendizaje inicial: 0.01
Factor de aprendizaje final: 0.1096
Número de datos usados para validar: 10%
Estructura de entrada-salida:

z(t) = f[x(t), y(t)]

   

                                

 

Características del modelo:

Nombre: Mackey-Glass

Número de reglas: 9
Tipo de consecuente: singleton
Número de épocas: 500
Factor de aprendizaje inicial: 0.01
Factor de aprendizaje final: 0.4761

Número de datos usados para validar: 25%
Estructura de entrada-salida:

y(t) = f[y(t-1), y(t-11), y(t-14), y(t-17)]

          

                                                                     

 

Características del modelo:

Nombre: Planta 4

Número de reglas: 19
Tipo de consecuente: TSK con afín
Número de épocas: 100

Factor de aprendizaje inicial(1): 0.01

Factor de aprendizaje inicial(2): 0.01
Factor de aprendizaje final(1): 0.4057

Factor de aprendizaje final(2): 0.0231

Número de datos usados para validar: 25%
Estructura de entrada-salida:

y1(t)= f1[y1(t-1), y2(t-1), u1(t-1), u1(t),

u2(t)]

y2(t)= f2[y1(t-1), y2(t-1), u1(t-1), u1(t), u2(t)]

                     

 

Características del modelo:

Nombre: Planta 6

Número de reglas: 19
Tipo de consecuente: TSK con afín
Número de épocas: 200
Factor de aprendizaje inicial: 0.01
Factor de aprendizaje final: 0.0188

Número de datos usados para validar: 25%
Estructura de entrada-salida:

y(t) = f[y(t-1), y(t-2), u(t-1), u(t-2)]

          

                                                                           

 

Los anteriores modelos se han realizado con algoritmos desarrollados por el autor, se puede utilizar la interfaz gráfica de usuario como se describe en: