DISEÑO MATEMÁTICO Y ELECTRÓNICO PARA LA IMPLEMENTACIÓN DE DOS PERCEPTRONES QUE CONTROLEN LA VELOCIDAD Y GIRO DE UN MOTOR
Barra lateral del artículo
Publicado:
Nov 27, 2017
Contenido principal del artículo
Resumen
En este trabajo se realiza la implementación de dos perceptrones para permitir el control de la velocidad y giro de un motor a partir del entrenamiento de una red neuronal, se incluye cálculos matemáticos previos y simulaciones realizadas mediante el uso de Proteus, así como la herramienta de Matlab que contiene el paquete de redes neuronales (nntraintool).
Detalles del artículo
Número
Sección
Artículos
Los autores/as que publiquen en esta revista aceptan lo siguiente:
Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.Referencias
[1] LEK S, GUEGAN JF. Artificial neural networks as a tool in ecological modelling, an introduction. Ecol Modell. 1999;120(99):65-73.
[2] LEK S, GUEGAN JF. Artificial neuronal networks: application to ecology and evolution. 262 pp. Berlin: Springer; 2000.
[3] MINSKY, M.; PAPERT, S. (1969). Perceptrons. Cambrige: MIT Press.
[4] Babuska, R. (2001). Fuzzy and Neural Control. Delft: Delft University of Technology.
[5] REGUEIRO, C; ef. al. (1995). «Modelos básicos de redes neuronales artificiales». En: BARRO, S.; MIRA, J. (eds.) Computación neuronal. Santiago de Compostela: Universidad, Servicio de Publicaciones e Intercambio Científico. (Cursos e Congresos da Universidade de Santiago de Compostela, 86).
[6] MINSKY, M.; PAPERT, S. (1969). Perceptrons. Cambrige: MIT Press.
[7] REGUEIRO, C; ef. al. (1995). «Modelos básicos de redes neuronales artificiales». En: BARRO, S.; MIRA, J. (eds.) Computación neuronal. Santiago de Compostela: Universidad, Servicio de Publicaciones e Intercambio Científico. (Cursos e Congresos da Universidad de Santiago de Compostela, 86).
[2] LEK S, GUEGAN JF. Artificial neuronal networks: application to ecology and evolution. 262 pp. Berlin: Springer; 2000.
[3] MINSKY, M.; PAPERT, S. (1969). Perceptrons. Cambrige: MIT Press.
[4] Babuska, R. (2001). Fuzzy and Neural Control. Delft: Delft University of Technology.
[5] REGUEIRO, C; ef. al. (1995). «Modelos básicos de redes neuronales artificiales». En: BARRO, S.; MIRA, J. (eds.) Computación neuronal. Santiago de Compostela: Universidad, Servicio de Publicaciones e Intercambio Científico. (Cursos e Congresos da Universidade de Santiago de Compostela, 86).
[6] MINSKY, M.; PAPERT, S. (1969). Perceptrons. Cambrige: MIT Press.
[7] REGUEIRO, C; ef. al. (1995). «Modelos básicos de redes neuronales artificiales». En: BARRO, S.; MIRA, J. (eds.) Computación neuronal. Santiago de Compostela: Universidad, Servicio de Publicaciones e Intercambio Científico. (Cursos e Congresos da Universidad de Santiago de Compostela, 86).