Zobrazeno 1 - 10
of 277
pro vyhledávání: '"least-squares identification"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE Access, Vol 9, Pp 158470-158480 (2021)
This paper presents a new approach to neuro-fuzzy model identification based on a filtered recursive least squares method combined with an incrementally evolving Gaussian clustering method. The proposed identification algorithm generates the model on
Externí odkaz:
https://doaj.org/article/ed74ef7770dc42938980224ce5cdc4c5
Publikováno v:
IEEE Access, Vol 8, Pp 8268-8274 (2020)
An on-line modified least-squares identification algorithm is proposed for linear time-varying systems with bounded disturbances under relaxed excitation conditions. An extra term which enhances the tracking ability for time-varying parameters is add
Externí odkaz:
https://doaj.org/article/b006f1a0f26542eea49c20072c7314c2
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Anna Stankiewicz
Publikováno v:
Materials; Volume 16; Issue 9; Pages: 3565
The viscoelastic relaxation spectrum is vital for constitutive models and for insight into the mechanical properties of materials, since, from the relaxation spectrum, other material functions used to describe rheological properties can be uniquely d
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::f19d1422881ac284a3d397aecc0c8731
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Systems and Control Letters
Systems and Control Letters, 2022, 169, pp.105377. ⟨10.1016/j.sysconle.2022.105377⟩
Systems and Control Letters, 2022, 169, pp.105377. ⟨10.1016/j.sysconle.2022.105377⟩
International audience; In this note a new high performance least squares parameter estimator is proposed. The main features of the estimator are: (i) global exponential convergence is guaranteed for all identifiable linear regression equations; (ii)
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::e9ab09300cd2c16bae2ed4a2eedd653e
https://hal-centralesupelec.archives-ouvertes.fr/hal-03793150/file/ortega_scl22_submitted.pdf
https://hal-centralesupelec.archives-ouvertes.fr/hal-03793150/file/ortega_scl22_submitted.pdf
