![Ιδρυματικό Αποθετήριο [SANDBOX]](images/dias.logo.png "Ιδρυματικό Αποθετήριο [SANDBOX]"){kind=logo}
Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/A14634BF-82F7-435C-92ED-202FC4AF2453 | - |
| Αναγνωριστικό | https://doi.org/10.1109/CDC.1996.572808 | - |
| Αναγνωριστικό | http://ieeexplore.ieee.org/document/572808/ | - |
| Γλώσσα | en | - |
| Μέγεθος | 6 pages | en |
| Τίτλος | A recurrent neural network model to describe manufacturing cell dynamics | en |
| Δημιουργός | Rovithakis, George A., 1968- | en |
| Δημιουργός | Gaganis Vasileios | en |
| Δημιουργός | Γαγανης Βασιλειος | el |
| Δημιουργός | Christodoulou Manolis | en |
| Δημιουργός | Χριστοδουλου Μανωλης | el |
| Δημιουργός | Perrakis, Stelios | en |
| Εκδότης | Institute of Electrical and Electronics Engineers | en |
| Περίληψη | A neural network approach to the manufacturing cell modelling problem is discussed. A recurrent high-order neural network structure (RHONN) is employed to identify cell dynamics, which is supposed to be unknown. The model is constructed in such a way that enables the design of a controller which will force the model and thus the original cell to display the required behaviour. The control input signal is transformed to a continuous one so as to conform with the RHONN assumptions, thus converting the original discrete-event system to a continuous one. A case study demonstrates the approximation capabilities of the proposed architecture. | en |
| Τύπος | Πλήρης Δημοσίευση σε Συνέδριο | el |
| Τύπος | Conference Full Paper | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2015-11-07 | - |
| Ημερομηνία Δημοσίευσης | 1996 | - |
| Θεματική Κατηγορία | Artificial neural networks | en |
| Θεματική Κατηγορία | Nets, Neural (Computer science) | en |
| Θεματική Κατηγορία | Networks, Neural (Computer science) | en |
| Θεματική Κατηγορία | Neural nets (Computer science) | en |
| Θεματική Κατηγορία | neural networks computer science | en |
| Θεματική Κατηγορία | artificial neural networks | en |
| Θεματική Κατηγορία | nets neural computer science | en |
| Θεματική Κατηγορία | networks neural computer science | en |
| Θεματική Κατηγορία | neural nets computer science | en |
| Θεματική Κατηγορία | Flexible production systems | en |
| Θεματική Κατηγορία | FMS (Production engineering) | en |
| Θεματική Κατηγορία | Manufacturing systems, Flexible | en |
| Θεματική Κατηγορία | Production systems, Flexible | en |
| Θεματική Κατηγορία | flexible manufacturing systems | en |
| Θεματική Κατηγορία | flexible production systems | en |
| Θεματική Κατηγορία | fms production engineering | en |
| Θεματική Κατηγορία | manufacturing systems flexible | en |
| Θεματική Κατηγορία | production systems flexible | en |
| Βιβλιογραφική Αναφορά | G. Rovithakis, V. Gaganis, S. Perrakis and M. Christodoulou, “A recurrent neural network model to describe manufacturing cell dynamics”, in 1996 35th IEEE Conference on Decision and Control, pp. 1728-1733. doi: 10.1109/CDC.1996.572808 | en |
Copyright © DIAS 2013
