Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/334
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nd/4.0es_ES
dc.contributorAlfonso Noriega Poncees_ES
dc.creatorCarlos Alberto Silva Rodriguezes_ES
dc.date2009-02-
dc.date.accessioned2018-12-13T21:37:11Z-
dc.date.available2018-12-13T21:37:11Z-
dc.date.issued2009-02-
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/334-
dc.descriptionEn el presente trabajo se presenta el desarrollo e implantación de un algoritmo de control inteligente basado en redes neuronales diagonales recurrentes (RNDR). La arquitectura de la RNDR es un modelo simplificado de una red neuronal recurrente completamente conectada en una capa oculta, dicha capa está compuesta por neuronas que se retroalimentan a sí mismas. Dos RNDR se utilizan en el sistema de control: una es la encargada de la identificación llamada neuroidentificador diagonal recurrente (NIDR) y la otra que realiza el papel de controlador, llamada neurocontrolador diagonal recurrente (NCDR). Se desarrolló un algoritmo de retropropagación dinámico (RPD) para entrenar tanto al NIDR como al NCDR y así ajustar sus pesos. Debido a la recurrencia de las RNDR el algoritmo tiene mejores posibilidades que las redes estáticas para controlar sistemas con dinámica difícil. Así mismo se muestran los resultados obtenidos tanto en simulación como en implementación práctica del controlador basado en la RNDR en un FPGA (Field Programmable Gate Array) y DSP (Digital Signal Processing).es_ES
dc.descriptionThis research presents the development and implantation of an intelligent control algorithm, based on diagonal recurrent neural networks (RNDR). The architecture of the RNDR is a simplified model of the fully connected recurrent neural network with one hidden layer, which is comprised of retro-feeding neurons. Two RNDR¿s are used in a control system, the first one is an identifier called diagonal recurrent neuroidentifier (NIDR) and the second one, called diagonal recurrent neurocontroller (NCDR), performs the role of controller. We developed an algorithm for dynamic backpropagation (DPR) to train both the NIDR as well as the NCDR and to adjust its weights. Also, the results both in simulation and in practical implementation of the controller based on the RNDR in a FPGA (Field Programmable Gate Array) and DSP (Digital Signal Processing) are shown.es_ES
dc.formatAdobe PDFes_ES
dc.language.isoEspañoles_ES
dc.relation.requiresSies_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectBackpropagationes_ES
dc.subjectControles_ES
dc.subjectControles_ES
dc.subjectNeural networkses_ES
dc.subjectRedes neuronaleses_ES
dc.subjectRetropropagaciónes_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleImplementación de un algoritmo de control neuronal recurrente en FPGA y DSP para sistemas dinámicoses_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidcurpes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorSIRC860206HDFLDR00es_ES
dc.contributor.identificadorNOPA540313HGTRNL00es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias (Instrumentación y Control)es_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
Aparece en: Maestría en Ciencias (Instrumentación y Control)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI003450.pdf2.48 MBAdobe PDFPortada
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.