|
Νέα για πρωτοετείς
Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη. Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.
Show Posts
|
Pages: [1] 2 3 ... 14
|
3
|
Μαθήματα Κύκλου Ηλεκτρονικής & Υπολογιστών / Υπολογιστική Νοημοσύνη (πρώην Ασαφή Συστήματα) / Re: [Aσαφή συστήματα] Εργασίες
|
on: September 27, 2018, 12:05:39 pm
|
Απλά δεν βλέπω σε ποιά συνάρτηση μπορείς να χρησιμοποιήσεις τον αριθμό τον clusters σαν παράμετρο δική σου . Η genfis2 δεν δίνει αυτήν την δυνατότητα, ενώ αν παίξεις με το rad όντως δίνει διαφορετικό αριθμο clusters . Αυτό είναι και το θέμα , δηλαδή να κάνεις ομαδοποίηση τα inputs σου. Ίσως ξέχασαν να το προσθέσουν στην εκφώνηση:?!?!?!;. Δηλαδή στο gridSearch μου αντί για ΝR = [ 4 8 12 16 20] , έβαλα NRad = [ 0.3 0.6 0.9] . Για το 2ο ερώτημα τι λέτε; Edit : Καλά ό,τι να ναι , έχει έτοιμη συνάρτηση το Matlab relieff()
|
|
|
4
|
Μαθήματα Κύκλου Ηλεκτρονικής & Υπολογιστών / Υπολογιστική Νοημοσύνη (πρώην Ασαφή Συστήματα) / Re: [Aσαφή συστήματα] Εργασίες
|
on: September 27, 2018, 11:21:46 am
|
Απάντηση στην ερώτηση : Επίσης για την εργασία 3 πού ακριβώς χρησιμοποιούμε τον αριθμό των clusters (ΝR) στο grid partitioning;
Όσοι έχετε subtractive clustering (genfis2) αντί για fcm (genfis3) δεν γίνεται να καθορίσετε εκ των προτέρων των αριθμό των κανόνων που θα προκύψουν. Αντ'αυτού, πρέπει να δοκιμάσετε διαφορετικές τιμές της ακτίνας (παράμετρος στο subtractive clustering που καθορίζει την εμβέλεια ενός cluster). Δώστε 4-5 τιμές σε αυτή την ακτίνα ώστε να προκύπτει κάθε φορά διαφορετικός αριθμός κανόνων. Απλά αποφύγετε να δώσετε πολύ μικρές τιμές διότι σε αυτή την περίπτωση ο αριθμός των κανόνων θα προκύψει τεράστιος και ο χρόνος εκτέλεσης θα είναι απαγορευτικός. Καλή συνέχεια, Χαδουλός Χρήστος Επιπλέον ερώτηση για την 3η εργασία , μας λέει ο αριθμός των features να είναι 3,9,15,21 . Υποθέτω για 3 features δεν χρειάζεται να χρησιμοποιήσουμε subtractive clustering, δηλαδή στην τελική genfis1 αντι για 2. Για τους υπόλοιπους αριθμούς πρέπει να εφαρμόσουμε τον Relief με σκοπό να βρούμε "ποία από τα 9 ,15,21 των 32 features". Ο Relief όμως στηρίζεται στο class του output , άρα πρέπει εμείς να κάνουμε ΚΑΙ classification στο dataset (training), σωστά;
|
|
|
6
|
Μαθήματα Κύκλου Ηλεκτρονικής & Υπολογιστών / Υπολογιστική Νοημοσύνη (πρώην Ασαφή Συστήματα) / Re: [Aσαφή συστήματα] Εργασίες
|
on: August 26, 2018, 11:08:51 am
|
Γεια χαρά !
1)Λοιπόν στο 1ο ναι όντως θέλει από τα ΣΑΕ 1 κάποια πράματα , δηλαδή να φτιάξεις γραμμικό ελεγκτή (του είδους που σου ζητάει) επιλέγοντας τα κέρδη και λοιπά . Χρησιμες συναρτήσεις είναι η "tf" για συνάρτηση μεταφοράς , η "rlocus" για να προκύψει το επιθυμητό κέρδος ανάλογα το μηδενικό που έχεις διαλέξει (και που ζητάει) και μια ακόμη αρκετά σημαντική είναι η "stepinfo" η οποία θα σε βοηθήσει να ελέγξεις τον χρόνο ανόδου (RiseTime) και υπερύψωση (Overshoot).
2) Στην συνέχεια και με βάση τις σημειώσεις Θεοχάρη , με τα κέρδη του γραμμικού υπολογίζεις τον fuzzy και θες να βρεις περίπου ίδια συμπεριφορά με τον γραμμικό. Στο σημείο αυτό όπως υποδεικνύει η εκφώνηση μπαίνεις στο κομμάτι "fuzzy" του matlab για να φτιάξεις τον ασαφή ελεγκτή (δες tutorials κλπ του mathworks , βοηθάνε πολύ).
3) Για να κάνεις τους ελέγχους των ελεγκτών , να φτιάξεις το κύκλωμα , και να τσεκάρεις αποκρίσεις για την είσοδο που σου ζητάει , μπορείς να χρησιμοποιήσεις το Simulink (...σε περιβάλλον matlab... ,πάλι tutorials κλπ). Εκεί μπορείς να κάνεις κανονικοποίηση του σήματος εισόδου στο διάστημα που σου ζητάει.
ελπίζω να βοήθησα
Επίσης στο Matlab δεν βρίσκω συνάρτηση συμπερασμού Larsen , τι μπορώ να κάνω;
|
|
|
14
|
Μαθήματα Βασικού Κύκλου / Συστήματα Αυτομάτου Ελέγχου II - Παλιά Θέματα / Re: [ΣΑΕ ΙΙ] Θέματα 2015
|
on: June 05, 2018, 13:34:04 pm
|
Εγώ προσωπικά το έλυσα με δυναμική ανάδραση.. Μου προέκυψε ένα ΣΚΒ με πίνακα Α 3Χ3, βρήκα το χαρακτηριστικό πολυώνυμο και μετά χρησιμοποίησα κριτήριο Routh-Hurwitz για να βγάλω τα κέρδη έτσι ώστε το σύστημα να είναι ευσταθές
Χαρακτηριστικό πολυώνυμο = s^3 + s^2 (b+c*k2) + s (acosx1* + c*k1 + c*ki) ;;;; Αυτό βρήκα εγώ , και για Pd(s) = .... βρίσκω κάποιες συνθήκες για k2=(a1-b)/c και (ki+k1)= ... , συν ο περιορισμός για θετικό συντελεστη από Routh-HUrwitz . Μετά πώς το δουλεύουμε ;
|
|
|
|
|