Fuzzy Brain(퍼지 두뇌)란 무엇입니까?
Fuzzy Brain 퍼지 두뇌 - The proposed algorithm comprises a dual function-link network-based multilayer wavelet fuzzy brain emotional controller and a sign(. [1] First, a self-organizing type-2 fuzzy brain emotional learning network model is used to estimate the PPD (pseudo partial derivative). [2] This paper introduces an optimal model named Self-Organizing Type-2 Recurrent Wavelet Fuzzy Brain Emotional Learning Network controller (SET2RWFBELNC) with self-evolving algorithm to gain optimal structure from zero initial rule, which merges Interval Type-2 Recurrent Wavelet Fuzzy System and Brain Emotional Learning Network(BELN). [3] We propose a control strategy, which combines the adaptive wavelet-type Takagi-Sugeno-Kang (TSK) fuzzy brain emotional learning controller (WTFBELC) and the H ∞ robust tracking compensator. [4] A novel interval type-2 intuition fuzzy brain emotional learning network model (IT2IFBELC) which depends only on the input and output data is proposed for the rehabilitation robot, which is different from model-based control algorithms that require exact dynamic model knowledge of the rehabilitation robot. [5] This study presents a multidimensional classifier design using a fuzzy brain emotional learning model, combined with a particle swarm optimization (PSO) algorithm that allows a network to automatically determine the optimum values for the weights of the reward signal. [6] The proposed algorithm includes a fuzzy brain emotional learning controller (FBELC), a recurrent cerebellar model articulation controller (RCMAC), and a robust compensator (RC). [7] A new type of online health estimator that uses a fuzzy brain emotional learning neural network (FBELNN) is proposed. [8] A fuzzy brain emotional learning neural network (FBELNN) is employed to estimate SoH and a recurrent cerebellar model neural network (RCMNN) is used for the RUL prediction. [9] A novel recurrent interval type-2 fuzzy brain emotional learning filter (RT2BELF) is proposed for achieving favourable filtering performance. [10] A wavelet fuzzy brain emotional learning controller (WFBELC) model is proposed, which is comprises the benefit of wavelet function, fuzzy theory and brain emotional neural network. [11] The proposed wavelet dual function-link fuzzy brain emotional learning system (WDFLFBELS) is used as an identifier to identify the system and to track the trajectory of nonlinear systems. [12] A novel self-organizing fuzzy brain emotional learning controller (FBELC) is proposed. [13]제안하는 알고리즘은 이중 기능 링크 네트워크 기반의 다층 웨이블릿 퍼지 뇌 감정 제어기와 기호(. [1] 먼저 자기조직화형 2형 퍼지뇌 감성학습망 모델을 이용하여 PPD(의사 편도함수)를 추정한다. [2] 본 논문에서는 Interval Type-2 Recurrent Wavelet Fuzzy System과 Brain을 병합하는 초기 규칙 0에서 최적의 구조를 얻기 위해 자기 진화 알고리즘을 사용하는 Self-Organizing Type-2 Recurrent Wavelet Fuzzy Brain 감성 학습 네트워크 컨트롤러(SET2RWFBELNC)라는 최적 모델을 소개합니다. 감정 학습 네트워크(BELN). [3] 적응형 웨이블릿형 Takagi-Sugeno-Kang(TSK) 퍼지 뇌 감정 학습 컨트롤러(WTFBELC)와 H ∞ 강건한 추적 보정기를 결합한 제어 전략을 제안합니다. [4] 재활의 정확한 동적 모델 지식이 필요한 모델 기반 제어 알고리즘과 다른 재활 로봇을 위해 입력 및 출력 데이터에만 의존하는 새로운 간격 유형 2 직관 퍼지 뇌 감정 학습 네트워크 모델(IT2IFBELC)을 제안합니다. 로봇. [5] 이 연구는 네트워크가 보상 신호의 가중치에 대한 최적 값을 자동으로 결정할 수 있도록 하는 PSO(입자 군집 최적화) 알고리즘과 결합된 퍼지 뇌 감정 학습 모델을 사용하는 다차원 분류기 설계를 제시합니다. [6] 제안하는 알고리즘은 FBELC(Fuzzy Brain Emotional Learning Controller), RCMAC(Recurrent Cerbellar Model Articulation Controller), RC(Robust Compensator)를 포함한다. [7] 퍼지 뇌 감정 학습 신경망(FBELNN)을 사용하는 새로운 유형의 온라인 건강 추정기가 제안됩니다. [8] 퍼지 뇌 감정 학습 신경망(FBELNN)을 사용하여 SoH를 추정하고 순환 소뇌 모델 신경망(RCMNN)을 RUL 예측에 사용합니다. [9] 양호한 필터링 성능을 달성하기 위해 새로운 순환 간격 유형 2 퍼지 뇌 감정 학습 필터(RT2BELF)가 제안되었습니다. [10] 웨이블릿 함수, 퍼지 이론 및 뇌 감정 신경망의 이점으로 구성된 WFBELC(웨이블릿 퍼지 뇌 감정 학습 컨트롤러) 모델을 제안합니다. [11] 제안된 웨이블릿 이중 기능 링크 퍼지 뇌 감정 학습 시스템(WDFLFBELS)은 시스템을 식별하고 비선형 시스템의 궤적을 추적하기 위한 식별자로 사용됩니다. [12] 새로운 자기 조직화 퍼지 뇌 감정 학습 컨트롤러(FBELC)가 제안되었습니다. [13]
Wavelet Fuzzy Brain 웨이블릿 퍼지 브레인
The proposed algorithm comprises a dual function-link network-based multilayer wavelet fuzzy brain emotional controller and a sign(. [1] This paper introduces an optimal model named Self-Organizing Type-2 Recurrent Wavelet Fuzzy Brain Emotional Learning Network controller (SET2RWFBELNC) with self-evolving algorithm to gain optimal structure from zero initial rule, which merges Interval Type-2 Recurrent Wavelet Fuzzy System and Brain Emotional Learning Network(BELN). [2] A wavelet fuzzy brain emotional learning controller (WFBELC) model is proposed, which is comprises the benefit of wavelet function, fuzzy theory and brain emotional neural network. [3]제안하는 알고리즘은 이중 기능 링크 네트워크 기반의 다층 웨이블릿 퍼지 뇌 감정 제어기와 기호(. [1] 본 논문에서는 Interval Type-2 Recurrent Wavelet Fuzzy System과 Brain을 병합하는 초기 규칙 0에서 최적의 구조를 얻기 위해 자기 진화 알고리즘을 사용하는 Self-Organizing Type-2 Recurrent Wavelet Fuzzy Brain 감성 학습 네트워크 컨트롤러(SET2RWFBELNC)라는 최적 모델을 소개합니다. 감정 학습 네트워크(BELN). [2] 웨이블릿 함수, 퍼지 이론 및 뇌 감정 신경망의 이점으로 구성된 WFBELC(웨이블릿 퍼지 뇌 감정 학습 컨트롤러) 모델을 제안합니다. [3]
2 Fuzzy Brain
First, a self-organizing type-2 fuzzy brain emotional learning network model is used to estimate the PPD (pseudo partial derivative). [1] A novel recurrent interval type-2 fuzzy brain emotional learning filter (RT2BELF) is proposed for achieving favourable filtering performance. [2]먼저 자기조직화형 2형 퍼지뇌 감성학습망 모델을 이용하여 PPD(의사 편도함수)를 추정한다. [1] 양호한 필터링 성능을 달성하기 위해 새로운 순환 간격 유형 2 퍼지 뇌 감정 학습 필터(RT2BELF)가 제안되었습니다. [2]
fuzzy brain emotional 퍼지 두뇌 감정적
The proposed algorithm comprises a dual function-link network-based multilayer wavelet fuzzy brain emotional controller and a sign(. [1] First, a self-organizing type-2 fuzzy brain emotional learning network model is used to estimate the PPD (pseudo partial derivative). [2] This paper introduces an optimal model named Self-Organizing Type-2 Recurrent Wavelet Fuzzy Brain Emotional Learning Network controller (SET2RWFBELNC) with self-evolving algorithm to gain optimal structure from zero initial rule, which merges Interval Type-2 Recurrent Wavelet Fuzzy System and Brain Emotional Learning Network(BELN). [3] We propose a control strategy, which combines the adaptive wavelet-type Takagi-Sugeno-Kang (TSK) fuzzy brain emotional learning controller (WTFBELC) and the H ∞ robust tracking compensator. [4] A novel interval type-2 intuition fuzzy brain emotional learning network model (IT2IFBELC) which depends only on the input and output data is proposed for the rehabilitation robot, which is different from model-based control algorithms that require exact dynamic model knowledge of the rehabilitation robot. [5] This study presents a multidimensional classifier design using a fuzzy brain emotional learning model, combined with a particle swarm optimization (PSO) algorithm that allows a network to automatically determine the optimum values for the weights of the reward signal. [6] The proposed algorithm includes a fuzzy brain emotional learning controller (FBELC), a recurrent cerebellar model articulation controller (RCMAC), and a robust compensator (RC). [7] A new type of online health estimator that uses a fuzzy brain emotional learning neural network (FBELNN) is proposed. [8] A fuzzy brain emotional learning neural network (FBELNN) is employed to estimate SoH and a recurrent cerebellar model neural network (RCMNN) is used for the RUL prediction. [9] A novel recurrent interval type-2 fuzzy brain emotional learning filter (RT2BELF) is proposed for achieving favourable filtering performance. [10] A wavelet fuzzy brain emotional learning controller (WFBELC) model is proposed, which is comprises the benefit of wavelet function, fuzzy theory and brain emotional neural network. [11] The proposed wavelet dual function-link fuzzy brain emotional learning system (WDFLFBELS) is used as an identifier to identify the system and to track the trajectory of nonlinear systems. [12] A novel self-organizing fuzzy brain emotional learning controller (FBELC) is proposed. [13]제안하는 알고리즘은 이중 기능 링크 네트워크 기반의 다층 웨이블릿 퍼지 뇌 감정 제어기와 기호(. [1] 먼저 자기조직화형 2형 퍼지뇌 감성학습망 모델을 이용하여 PPD(의사 편도함수)를 추정한다. [2] 본 논문에서는 Interval Type-2 Recurrent Wavelet Fuzzy System과 Brain을 병합하는 초기 규칙 0에서 최적의 구조를 얻기 위해 자기 진화 알고리즘을 사용하는 Self-Organizing Type-2 Recurrent Wavelet Fuzzy Brain 감성 학습 네트워크 컨트롤러(SET2RWFBELNC)라는 최적 모델을 소개합니다. 감정 학습 네트워크(BELN). [3] 적응형 웨이블릿형 Takagi-Sugeno-Kang(TSK) 퍼지 뇌 감정 학습 컨트롤러(WTFBELC)와 H ∞ 강건한 추적 보정기를 결합한 제어 전략을 제안합니다. [4] 재활의 정확한 동적 모델 지식이 필요한 모델 기반 제어 알고리즘과 다른 재활 로봇을 위해 입력 및 출력 데이터에만 의존하는 새로운 간격 유형 2 직관 퍼지 뇌 감정 학습 네트워크 모델(IT2IFBELC)을 제안합니다. 로봇. [5] 이 연구는 네트워크가 보상 신호의 가중치에 대한 최적 값을 자동으로 결정할 수 있도록 하는 PSO(입자 군집 최적화) 알고리즘과 결합된 퍼지 뇌 감정 학습 모델을 사용하는 다차원 분류기 설계를 제시합니다. [6] 제안하는 알고리즘은 FBELC(Fuzzy Brain Emotional Learning Controller), RCMAC(Recurrent Cerbellar Model Articulation Controller), RC(Robust Compensator)를 포함한다. [7] 퍼지 뇌 감정 학습 신경망(FBELNN)을 사용하는 새로운 유형의 온라인 건강 추정기가 제안됩니다. [8] 퍼지 뇌 감정 학습 신경망(FBELNN)을 사용하여 SoH를 추정하고 순환 소뇌 모델 신경망(RCMNN)을 RUL 예측에 사용합니다. [9] 양호한 필터링 성능을 달성하기 위해 새로운 순환 간격 유형 2 퍼지 뇌 감정 학습 필터(RT2BELF)가 제안되었습니다. [10] 웨이블릿 함수, 퍼지 이론 및 뇌 감정 신경망의 이점으로 구성된 WFBELC(웨이블릿 퍼지 뇌 감정 학습 컨트롤러) 모델을 제안합니다. [11] 제안된 웨이블릿 이중 기능 링크 퍼지 뇌 감정 학습 시스템(WDFLFBELS)은 시스템을 식별하고 비선형 시스템의 궤적을 추적하기 위한 식별자로 사용됩니다. [12] 새로운 자기 조직화 퍼지 뇌 감정 학습 컨트롤러(FBELC)가 제안되었습니다. [13]