1985, ISBN: 9783486292312

1. Auflage 24 cm. 350 S. Leineneinband ohne OU (W1585w) gebrauchsspuren, einband an den kanten bestoßen,papiergebräunte seiten und schnitt,beschabt, bibliotheksexemplar mit stempel und. D… Mehr…

1. Auflage 24 cm. 350 S. Leineneinband ohne OU (W1585w) gebrauchsspuren, einband an den kanten bestoßen,papiergebräunte seiten und schnitt,beschabt, bibliotheksexemplar mit stempel und. Das Lernen durchzieht als ein fortwährender Prozeß unser ¿eben. Bereits das Kleinkind lernt, spielend die Welt, in die es hineingeboren wurde, zu erkennen und sich in ihr zu orientieren. Als Schüler lernt der Mensch von den angesammelten Schätzen der Weltkultur und der Wissenschaft. Das Lernen setzt sich fort bis ins hohe Alter, wobei manches, was früher erlernt worden ist, durch neues Wissen ersetzt werden muß. Es nimmt nicht wunder, wenn das Lernen auch in der Wissenschaft große Aufmerksamkeit gefunden hat. Die Erforschung und künstliche Nachahmung von Lernvorgängen hat sich u.a. in der Kybernetik zu einem bedeutsamen Forschungsgebiet entwickelt. Hier wurden In den 60er und frühen 70er Jahren wesentliche Elemente einer Lerntheorie im Zusammenhang mit dem Erkennungsproblem entwickelt, deren Ergebnisse in einer Reihe ausgezeichneter Monografien dargestellt sind. Als Anwendungshintergrund wurde zunächst das Erkennen von Zeichen, Mustern, Bildern u.dgl. gesehen. Später wurden vor allem mit der Weltraumtechnik neue kompliziertere Aufgaben gestellt, die nur mit lernfähigen Steuerungen gelöst werden konnten.In der Prozeßsteuerung werden ebenfalls zunehmend die Möglichkeiten erkannt, erfolgreiches Steuerverhalten von anderen Systemen zu erlernen bzw. durch Selbstlernen zu erwerben. Lernfähige Steuerungen sind überall dort von Interesse, wo Steuerungen unter den Bedingungen unvollständiger A-priori-Informationen durchgeführt werden müssen, die Umgebung raschen Veränderungen unterliegt, Steuerungsaufgaben häufig wechseln oder eine unmittelbare Automatisierung bisher vom Menschen gesteuerter Prozesse vorgenommen werden soll. Jüngstes Beispiel für das Vordringen lernfähiger Steuerungen sind die "intelligenten" Industrieroboter. Bei aller Nützlichkeit solcher lernfähigen Systeme dürfen wir nicht verschweigen, daß vorerst nur einfache Lernformen entschlüsselt sind und implementiert werden können.Der noch anhaltende Erkenntnisprozeß und die rapide Entwicklung lernfähiger Systeme haben den Autor zögern lassen, ein Buch über lernfähige Steuerungen oder - präziser - über Steuerungen mit gewissen Lerneigenschaften zu verfassen. Wenn dies dennoch geschah, so hat das seinen Grund in der Hoffnung, daß eine gesamtheitliche Darstellung dieses faszinierenden und zugleich anspruchsvollen Gebiets den Prozeß der zunehmenden Anwendung fördern und womöglich eine Plattform für weiterführende Forschungsarbeiten bieten könnte. Diese Absicht impliziert bereits, daß das vorliegende W`erk nicht den Anspruch eines rein theoretischen Grundlagenwerks erheben will. Vielmehr soll der Anwendungsaspekt in Verbindung mit der Mikrorechentechnik als dem zeitgemäßen Mittel zur Implementierung solcher lernenden Steuerungen stärker im Vordergrund stehen. Dazu werden die in eigener mehrjähriger Forschungsarbeit erworbenen Erkenntnisse und Erfahrungen eingebracht, um die Eigenschaften von Lösungsalternativen zu bewerten und Empfehlungen für die Auswahl vorteilhafter Versionen zu geben. Die Ausführungen werden außerdem durch zahlreiche Beispiele Illustriert.,Systemkonzept,System und Signal,Umgebung,Steuerung Adaption und Lernen,Lernfähige Steuerungen ... Typen lernender Steuerungen ,Steuerungen mit Problemlösungsverhalten,Grundlagen der maschinellen Erkennung,Problemstellung Erkennungssystem ,Merkmalsfilter,Klassifikator,Wahrscheinlichkeitsklassifikatoren ,Ab Standsklassifikatoren,Lineare,Netze linearer Schwellwertelemente,Lineare Schwellwertelementnetze mit Parallelstruktur,Lineare Schwellwertelementnetze mit Serienstruktur ,Optimale Wahrscheinlichkeitsklassifikatoren,Optimale Binärklassifikatoren, Wahrscheinlichkeitsklassifikatoren bei speziellen Verteilungen,Klassifikatoren Lineare Klassifikatoren mit Unterscheidungsfunktionen Lineares Schwellwertelement,Lernfähige Erkennungssysteme ,Problemstellung,Ableitung eines allgemeinen Adaptionsalgorithmus ,Aufstellung der Bedingungsgleichungen,aIterative Lösung des Optimierungsproblems ,Überwachtes Lernen linearer Funktionen,Spezifikation wichtiger Typen einschrittiger Adaptionsalgorithmen,Einfache Adaptionsalgorithmen bei Unterbestimmung des Gleichungssystems,Komplexe Adaptionsalgorithmen bei Unterbestimmung des Gleichungssystems,Adaptionsalgorithmen bei Überbestimmung des Gleichungssystems ... ,Mehrschrittige Adaptionsalgorithmen,Adaptive lineare Klassifikatoren mit überwachtem Lernen ,Adaptive lineare Schwellwertelemente mit Abstandsbewertung,Adaptive lineare Schwellwertelcmente mit Wahrscheinlichkeitsbewertung ,Adaptive lineare Klassifikatoren mit nichtüberwachtem Lernen,Selbstlernende Klassifikatoren auf der Basis systematischer Ansätze . , Selbstlernende Klassifikatoren auf der Basis heuristischer Ansätze,Selbstlernendes Schwellwertelement nach dem Korrelationsprinzip,Kontinuierliche Version,Diskontinuierliche Version,Beschreibung und Darstellung von Lernprozessen,Automaten,Deterministische endliche Automaten,Stochastische Automaten,Lernende Automaten,Lernstrategien,Lernstrategien mit Bekräftigung,Lernstrategien mit gradueller Bewertung,Automatengraphen,Gerichteter Graph ,Deterministischer Automatengraph,Stochastischer Automatengraph,Dynamischer Automatengraph,Beschreibung von Automatengraphen,Graphenbeschreibung durch Inzidenzmatrizen,Graphenbeschreibung durch Listen , Lernfähige analoge Systeme,Lernfähige Modelle für Systeme ohne Speicher,Problemstellung,Lösungsansätze,Grundsätzliche Systemarten,Statische Grundmodelle,Lernfähige statische Polynommodelle,Lernfähige statische Modelle mit festen Schwellen ,Merkmalsfilter mit Schwellwertelementen,Lernfähige Schwellwertmodelle 0. Ordnung ,Lernfähige Schwellwertmodelle 1. Ordnung,Lernfähige statische Modelle mit festen Schwellen,Lernalgorithmus,Iterationsalgorithmus,Kannalgorithmus ,Lernfähige statische Modelle mit selbsteinstellenden Schwellen ,Lernfähige lineare statische Modelle mit mehreren Eingangs- und Ausgangssignalen,Lernfähige Modelle für mehrvariable lineare Systeme ohne Speicher .,Einschätzung der Adaptionsprinzipien,Lernfähige Modelle für mehrvariable nichtlineare Systeme ohne Speicher,Lernfähige Modelle für Systeme mit Speichern,Problemstellung,Lineare dynamische Modelle,Erörterungen,Lineare Eingangs-Ausgangs-Modelle,Lineare Zustandsmodelle,Lernfähige lineare dynamische Modelle . . . . . . . ,Lernsystem,Lernfähige Dlfterenzengleichungsmodelle,Lernfähige rekursive Gewichtsfunktionsmodelle,Lernfähige Gewichtsfunktionsmodelle,Lernfähige Zustandsmodelle in Steuerbarkeitsnormalform,Adaptionsalgorithmen,Adaptionsalgorithmen nach der Methode der stochastischen Approximation ,Adaptionsalgorithmen nach der Methode der kleinsten Korrekturen . ,Adaptionsalgorithmen nach der Methode der rekursiven Regression . . . ,Adaptionsalgorithmen nach der Methode der rekursiven Hilfsvariablen .Einschätzung der entwickelten lernfähigen Modelle,Analyse des Standes ,Zur Wahl des Adaptionsalgorithmus ,Zur Wahl des Modelltyps,Zur Wahl des Testsignals,Gewinnung von DZG-Modellen Lernfähige nichtlineare dynamische Modelle,Lernfähige Modelle vom Hammerstein-Typ,Bestimmung der originären Modellparameter,Lernfähige dynamische Regler,Problemstellung,Trainierbare dynamische Regler,Lernsystem, Beschreibung trainierbarer dynamischer Regler,Trainierbare dynamische Regler mit RGF-Modell,Trainierbare dynamische Regler mit DZG-Modell ,Trainierbare dynamische Regler mit ZSN-Modell , Erlernen quasikontinuierlicher parameteroptimierter Regelalgorithmen ,Erlernen von Tastregelalgorithmen,Erlernen von anwenderdefinierbaren Regelalgorithmen,Erlernen des menschlichen Regelverhaltens ,Selbstelnsteliende dynamische Regler mit Adaptivsteuerung,Adaptionssystem,Identifikation im Closed-loop mittels lernender Modelle,Adaptive Dead-beat-Regier mit gleichverteiltem Zusatzpolynom,Adaptive Minimalvarianzregler mit vereinfachtem Störmodell,Adaptive Prädiktionsregler mit Verzögerung 1. Ordnung,Adaptive PID-Regler, Selbsteinstellende dynamische Regler mit Adaptivregelung,Adaptivregler mit wechselweiser Streckenidentifikation und Reglerverstellung ,Adaptivregler mit Prädiktionsverhalten , Lernfähige nichtlineare Zustandsregler,. Problem Stellung,Trainierbare Zweipunktregler,Bereitstellung ausgewählter Grundlagen,Merkmalsbildung,Beschreibung trainierbarer Zweipunktregler,Trainieren zeitoptimaler Zweipunktregler,Trainierbare suboptimale Dreipunktregler,Selbstlernende optimale Zweipunktregler,Beschreibung selbstlernender optimaler Zweipunktregler, Selbstlernender kontinuierlicher zeitoptimaler Zweipunktregler für eine Strecke 2. Ordnung ,Selbstlernender diskontinuierlicher zeitoptimaler Zweipunktregler für eine Strecke 2. Ordnung ,Lernfähige Zweipunkt- und Dreipunktregler für zeitoptimales Verhalten an Strecken höherer als 2. Ordnung ,Lernfähige lineare Zustandsregler,Steuerung mit Zustandsrückführung ,Zustandsrückführung mit PI-Regler,Zustandsrückführung mit Störgrößen- und Führungsgrößenbeobachter. ,Steuerung mit Ausgangsrückführung,Vorbetrachtungen zur Entwicklung lernfähiger Zustandsregler,Trainierbare lineare Zustandsregler ,Lernsystem ,Erzielbares Reglerverhalten,Selbstlernende Zustandsregler,Selbstlernende Zustandsregler für zeitinvariante Strecken,Selbstlernende Zustandsregler für Zeitvariante Strecken, Selbstlernende Zustandsregler für Zeitvariante Strecken und zeitvariante Umwelt,Lernfähige binäre Systeme ,Lernfähige Steuereinrichtungen nach dem Prinzip der Mustererkennung ,Automatenmodelle,Zustandsmodelle,Eingangs-Ausgangs-Modelle,Einstufige Steuereinrichtungen mit Mustererkennung,Behandlung von Binärsteuerungen als Erkennungsproblem,Darstellung Boolescher Funktionen im Merkmalsraum, Separierbarkeit Boolescher Funktionen,Zweistufige Steuereinrichtungen mit Mustererkennung, Erkennungssystem,Universelle Merkmalsfilter Realisierungsformen zweistufiger Erkennungssysteme,Lernsystem,Strukturvarianten lernfähiger Systeme mit linearen Schwellwertelementen ,Steuereinrichtungen mit festeingestelltem Merkmalsfilter und lernfähigem linearem Klassifikator,Lernfähige Steuereinrichtungen nach dem Prinzip automatentheoretischer Ansätze,Einstufig lernende Steuereinrichtungen auf der Basis von Funktional entwicklungen .,Einstufig lernende Steuereinrichtungen nach der Entwicklung in Shegalkinsche Polynome,Einstufig lernende Steuereinrichtungen nach der Entwicklung in die kanonische disjunktive Normalform,Einschätzung der bisherigen Lösungen,Zweistufig lernende Steuereinrichtungen nach der Entwicklung in die kanonische disjunktive Normalform,Ausarbeitung des Lösungsprinzips,Modifizierung des Lösungsprinzips Implementierungsmögllchkeiten kanonisierter Boolescher Funktionensysteme ,Lernsystem bei vollständiger Rechnerimplementierung,Lernalgorithmus 1,Lernalgorithmus II,Zweistufig lernende Steuereinrichtungen nach der Entwicklung in die disjunktive Normalform Ausarbeitung des Lösungsprinzips,Behandlung gleichgültiger Variabler,Steueralgorithmus II,Lernfähige Steuereinrichtungen nach dem Prinzip der Wortverarbeitung,Lernfähige Steuereinrichtungen mit einfacher Wortverarbeitung,Automatentheoretische Grundlagen des Lösungskonzepts ,Prinzip der Wortverarbeitung ,Beschreibung des Steuermodells,Speicherkonzept,Prinzip der Wortkettenverarbeitung,,Beschreibung des Steuermodells,Speicherkonzept,Einsatzmöglichkeiten lernfähiger Steuereinrichtungen mit Wortkettenverarbeitung ,Ausgewählte Grundlagen zur Funktionssteuerung von Industrierobotern. ,Trainingsmethoden lernfähiger Industrieroboter,Lernfähige Steuereinrichtungen nach dem Prinzip der Symbolkettenvcrarbeitung ,Lernfähige kombinatorische Steuereinrichtungen mit unmittelbarer Symbolkettenverarbeitung ,Beschreibung Boolescher Funktionen mittels binärer Entscheidungsdiagramme ,Ausarbeitung des Lösungsprinzips,Beschreibung des Steuermodells,Speicherkonzept , Diskussion von Lösungsansätzen,Prinzip der Symbolkettenverarbeitung mit llypothesenbildung ,Sequentielle Steuereinrichtungen mit Symbolkettenverarbeitung,. Lernfähige diskrete Systeme ,Selbstlernende optimale diskrete Steuereinrichtungen mit separater Erkundung und Optimierung ,Problemstellung,Problemanalyse,Systemspezifikation,Beschreibung der Strecke Beschreibung der Steuereinrichtung, Graphenbeschreibung,Lernfähige diskrete Streckenmodelle,Lernalgorithmus, Modifikation des Lernalgorithmus,Entwurf optimaler Steuereinrichtungen ,Optimale diskrete Steuerung als graphentheoretisches Problem ,Optimierungskriterien,Optimierung nach Kriterien vom Summentyp,Algorithmus zur Bestimmung des maximalen Knotenrangs,Algorithmus zur Knotenfolgemarkierung,Optimierungsalgorithmus für Kriterien vom Summentyp,Behandlung von Zyklen Schnelle Optimierung nach dem Kriterium der minimalen Länge ,Algorithmus zur Umwandlung in ein vorgängerorientiertes Modell . . . . ,Optimierungsalgorithmus des minimalen Knotenrangs ,Algorithmus zur Umwandlung in ein nachfolgerorientiertes Modell . ,Optimierung nach Kriterien vom Produkttyp,Optimierungsalgorithmus für Kriterien vom Produkttyp ,Steueralgorithmus ,Lernfähige optimale diskrete Steuereinrichtung, Einsatzmöglichkeiten optimaler diskreter Steuerungen ,Selbstlernende und -optimierende diskrete Steuereinrichtungen mit kombinierter Erkundung und Optimierung,Lernabhängige Strategien,Konzeption einer selbstlernenden und -optimierenden diskreten Steuereinrichtung ,Prämissen,Programmodul SIER,Programmodul LAER ,Programmodul STAU,Wirkungsweise der Steuereinrichtung,Eigenschaften der entwickelten Lösung,Einsatzbeispiele selbstlernender und -optimierender diskreter Steuereinrichtungen ,Selbstlernender Montageroboter ,Selbstlernender mobiler Roboter."Auszüge aus dem Buch Versand D: 2,50 EUR [elektrotechnik, Schaltungstechnik , Wirkung, , funktion, Grundbausteine, , Energeispeicher, Lernende Steuerungen Wechselstrom, kapazität, regelung, roboter, anwendung, prozeß], [PU:Berlin: Verlag Technik, VEB. 1985]<

1985, ISBN: 9783486292312

[ED: Leineneinband ohne OU], [PU: Verlag Technik, VEB], gebrauchsspuren, einband an den kanten bestoßen,papiergebräunte seiten und schnitt,beschabt, bibliotheksexemplar mit stempel und (W… Mehr…

[ED: Leineneinband ohne OU], [PU: Verlag Technik, VEB], gebrauchsspuren, einband an den kanten bestoßen,papiergebräunte seiten und schnitt,beschabt, bibliotheksexemplar mit stempel und (W1585w) Das Lernen durchzieht als ein fortwährender Prozeß unser ¿eben. Bereits das Kleinkind lernt, spielend die Welt, in die es hineingeboren wurde, zu erkennen und sich in ihr zu orientieren. Als Schüler lernt der Mensch von den angesammelten Schätzen der Weltkultur und der Wissenschaft. Das Lernen setzt sich fort bis ins hohe Alter, wobei manches, was früher erlernt worden ist, durch neues Wissen ersetzt werden muß. Es nimmt nicht wunder, wenn das Lernen auch in der Wissenschaft große Aufmerksamkeit gefunden hat. Die Erforschung und künstliche Nachahmung von Lernvorgängen hat sich u.a. in der Kybernetik zu einem bedeutsamen Forschungsgebiet entwickelt. Hier wurden In den 60er und frühen 70er Jahren wesentliche Elemente einer Lerntheorie im Zusammenhang mit dem Erkennungsproblem entwickelt, deren Ergebnisse in einer Reihe ausgezeichneter Monografien dargestellt sind. Als Anwendungshintergrund wurde zunächst das Erkennen von Zeichen, Mustern, Bildern u.dgl. gesehen. Später wurden vor allem mit der Weltraumtechnik neue kompliziertere Aufgaben gestellt, die nur mit lernfähigen Steuerungen gelöst werden konnten.In der Prozeßsteuerung werden ebenfalls zunehmend die Möglichkeiten erkannt, erfolgreiches Steuerverhalten von anderen Systemen zu erlernen bzw. durch Selbstlernen zu erwerben. Lernfähige Steuerungen sind überall dort von Interesse, wo Steuerungen unter den Bedingungen unvollständiger A-priori-Informationen durchgeführt werden müssen, die Umgebung raschen Veränderungen unterliegt, Steuerungsaufgaben häufig wechseln oder eine unmittelbare Automatisierung bisher vom Menschen gesteuerter Prozesse vorgenommen werden soll. Jüngstes Beispiel für das Vordringen lernfähiger Steuerungen sind die "intelligenten" Industrieroboter. Bei aller Nützlichkeit solcher lernfähigen Systeme dürfen wir nicht verschweigen, daß vorerst nur einfache Lernformen entschlüsselt sind und implementiert werden können.Der noch anhaltende Erkenntnisprozeß und die rapide Entwicklung lernfähiger Systeme haben den Autor zögern lassen, ein Buch über lernfähige Steuerungen oder - präziser - über Steuerungen mit gewissen Lerneigenschaften zu verfassen. Wenn dies dennoch geschah, so hat das seinen Grund in der Hoffnung, daß eine gesamtheitliche Darstellung dieses faszinierenden und zugleich anspruchsvollen Gebiets den Prozeß der zunehmenden Anwendung fördern und womöglich eine Plattform für weiterführende Forschungsarbeiten bieten könnte. Diese Absicht impliziert bereits, daß das vorliegende W'erk nicht den Anspruch eines rein theoretischen Grundlagenwerks erheben will. Vielmehr soll der Anwendungsaspekt in Verbindung mit der Mikrorechentechnik als dem zeitgemäßen Mittel zur Implementierung solcher lernenden Steuerungen stärker im Vordergrund stehen. Dazu werden die in eigener mehrjähriger Forschungsarbeit erworbenen Erkenntnisse und Erfahrungen eingebracht, um die Eigenschaften von Lösungsalternativen zu bewerten und Empfehlungen für die Auswahl vorteilhafter Versionen zu geben. Die Ausführungen werden außerdem durch zahlreiche Beispiele Illustriert.,Systemkonzept,System und Signal,Umgebung,Steuerung Adaption und Lernen,Lernfähige Steuerungen ... Typen lernender Steuerungen ,Steuerungen mit Problemlösungsverhalten,Grundlagen der maschinellen Erkennung,Problemstellung Erkennungssystem ,Merkmalsfilter,Klassifikator,Wahrscheinlichkeitsklassifikatoren ,Ab Standsklassifikatoren,Lineare,Netze linearer Schwellwertelemente,Lineare Schwellwertelementnetze mit Parallelstruktur,Lineare Schwellwertelementnetze mit Serienstruktur ,Optimale Wahrscheinlichkeitsklassifikatoren,Optimale Binärklassifikatoren, Wahrscheinlichkeitsklassifikatoren bei speziellen Verteilungen,Klassifikatoren Lineare Klassifikatoren mit Unterscheidungsfunktionen Lineares Schwellwertelement,Lernfähige Erkennungssysteme ,Problemstellung,Ableitung eines allgemeinen Adaptionsalgorithmus ,Aufstellung der Bedingungsgleichungen,aIterative Lösung des Optimierungsproblems ,Überwachtes Lernen linearer Funktionen,Spezifikation wichtiger Typen einschrittiger Adaptionsalgorithmen,Einfache Adaptionsalgorithmen bei Unterbestimmung des Gleichungssystems,Komplexe Adaptionsalgorithmen bei Unterbestimmung des Gleichungssystems,Adaptionsalgorithmen bei Überbestimmung des Gleichungssystems ... ,Mehrschrittige Adaptionsalgorithmen,Adaptive lineare Klassifikatoren mit überwachtem Lernen ,Adaptive lineare Schwellwertelemente mit Abstandsbewertung,Adaptive lineare Schwellwertelcmente mit Wahrscheinlichkeitsbewertung ,Adaptive lineare Klassifikatoren mit nichtüberwachtem Lernen,Selbstlernende Klassifikatoren auf der Basis systematischer Ansätze . , Selbstlernende Klassifikatoren auf der Basis heuristischer Ansätze,Selbstlernendes Schwellwertelement nach dem Korrelationsprinzip,Kontinuierliche Version,Diskontinuierliche Version,Beschreibung und Darstellung von Lernprozessen,Automaten,Deterministische endliche Automaten,Stochastische Automaten,Lernende Automaten,Lernstrategien,Lernstrategien mit Bekräftigung,Lernstrategien mit gradueller Bewertung,Automatengraphen,Gerichteter Graph ,Deterministischer Automatengraph,Stochastischer Automatengraph,Dynamischer Automatengraph,Beschreibung von Automatengraphen,Graphenbeschreibung durch Inzidenzmatrizen,Graphenbeschreibung durch Listen , Lernfähige analoge Systeme,Lernfähige Modelle für Systeme ohne Speicher,Problemstellung,Lösungsansätze,Grundsätzliche Systemarten,Statische Grundmodelle,Lernfähige statische Polynommodelle,Lernfähige statische Modelle mit festen Schwellen ,Merkmalsfilter mit Schwellwertelementen,Lernfähige Schwellwertmodelle 0. Ordnung ,Lernfähige Schwellwertmodelle 1. Ordnung,Lernfähige statische Modelle mit festen Schwellen,Lernalgorithmus,Iterationsalgorithmus,Kannalgorithmus ,Lernfähige statische Modelle mit selbsteinstellenden Schwellen ,Lernfähige lineare statische Modelle mit mehreren Eingangs- und Ausgangssignalen,Lernfähige Modelle für mehrvariable lineare Systeme ohne Speicher .,Einschätzung der Adaptionsprinzipien,Lernfähige Modelle für mehrvariable nichtlineare Systeme ohne Speicher,Lernfähige Modelle für Systeme mit Speichern,Problemstellung,Lineare dynamische Modelle,Erörterungen,Lineare Eingangs-Ausgangs-Modelle,Lineare Zustandsmodelle,Lernfähige lineare dynamische Modelle . . . . . . . ,Lernsystem,Lernfähige Dlfterenzengleichungsmodelle,Lernfähige rekursive Gewichtsfunktionsmodelle,Lernfähige Gewichtsfunktionsmodelle,Lernfähige Zustandsmodelle in Steuerbarkeitsnormalform,Adaptionsalgorithmen,Adaptionsalgorithmen nach der Methode der stochastischen Approximation ,Adaptionsalgorithmen nach der Methode der kleinsten Korrekturen . ,Adaptionsalgorithmen nach der Methode der rekursiven Regression . . . ,Adaptionsalgorithmen nach der Methode der rekursiven Hilfsvariablen .Einschätzung der entwickelten lernfähigen Modelle,Analyse des Standes ,Zur Wahl des Adaptionsalgorithmus ,Zur Wahl des Modelltyps,Zur Wahl des Testsignals,Gewinnung von DZG-Modellen Lernfähige nichtlineare dynamische Modelle,Lernfähige Modelle vom Hammerstein-Typ,Bestimmung der originären Modellparameter,Lernfähige dynamische Regler,Problemstellung,Trainierbare dynamische Regler,Lernsystem, Beschreibung trainierbarer dynamischer Regler,Trainierbare dynamische Regler mit RGF-Modell,Trainierbare dynamische Regler mit DZG-Modell ,Trainierbare dynamische Regler mit ZSN-Modell , Erlernen quasikontinuierlicher parameteroptimierter Regelalgorithmen ,Erlernen von Tastregelalgorithmen,Erlernen von anwenderdefinierbaren Regelalgorithmen,Erlernen des menschlichen Regelverhaltens ,Selbstelnsteliende dynamische Regler mit Adaptivsteuerung,Adaptionssystem,Identifikation im Closed-loop mittels lernender Modelle,Adaptive Dead-beat-Regier mit gleichverteiltem Zusatzpolynom,Adaptive Minimalvarianzregler mit vereinfachtem Störmodell,Adaptive Prädiktionsregler mit Verzögerung 1. Ordnung,Adaptive PID-Regler, Selbsteinstellende dynamische Regler mit Adaptivregelung,Adaptivregler mit wechselweiser Streckenidentifikation und Reglerverstellung ,Adaptivregler mit Prädiktionsverhalten , Lernfähige nichtlineare Zustandsregler,. Problem Stellung,Trainierbare Zweipunktregler,Bereitstellung ausgewählter Grundlagen,Merkmalsbildung,Beschreibung trainierbarer Zweipunktregler,Trainieren zeitoptimaler Zweipunktregler,Trainierbare suboptimale Dreipunktregler,Selbstlernende optimale Zweipunktregler,Beschreibung selbstlernender optimaler Zweipunktregler, Selbstlernender kontinuierlicher zeitoptimaler Zweipunktregler für eine Strecke 2. Ordnung ,Selbstlernender diskontinuierlicher zeitoptimaler Zweipunktregler für eine Strecke 2. Ordnung ,Lernfähige Zweipunkt- und Dreipunktregler für zeitoptimales Verhalten an Strecken höherer als 2. Ordnung ,Lernfähige lineare Zustandsregler,Steuerung mit Zustandsrückführung ,Zustandsrückführung mit PI-Regler,Zustandsrückführung mit Störgrößen- und Führungsgrößenbeobachter. ,Steuerung mit Ausgangsrückführung,Vorbetrachtungen zur Entwicklung lernfähiger Zustandsregler,Trainierbare lineare Zustandsregler ,Lernsystem ,Erzielbares Reglerverhalten,Selbstlernende Zustandsregler,Selbstlernende Zustandsregler für zeitinvariante Strecken,Selbstlernende Zustandsregler für Zeitvariante Strecken, Selbstlernende Zustandsregler für Zeitvariante Strecken und zeitvariante Umwelt,Lernfähige binäre Systeme ,Lernfähige Steuereinrichtungen nach dem Prinzip der Mustererkennung ,Automatenmodelle,Zustandsmodelle,Eingangs-Ausgangs-Modelle,Einstufige Steuereinrichtungen mit Mustererkennung,Behandlung von Binärsteuerungen als Erkennungsproblem,Darstellung Boolescher Funktionen im Merkmalsraum, Separierbarkeit Boolescher Funktionen,Zweistufige Steuereinrichtungen mit Mustererkennung, Erkennungssystem,Universelle Merkmalsfilter Realisierungsformen zweistufiger Erkennungssysteme,Lernsystem,Strukturvarianten lernfähiger Systeme mit linearen Schwellwertelementen ,Steuereinrichtungen mit festeingestelltem Merkmalsfilter und lernfähigem linearem Klassifikator,Lernfähige Steuereinrichtungen nach dem Prinzip automatentheoretischer Ansätze,Einstufig lernende Steuereinrichtungen auf der Basis von Funktional entwicklungen .,Einstufig lernende Steuereinrichtungen nach der Entwicklung in Shegalkinsche Polynome,Einstufig lernende Steuereinrichtungen nach der Entwicklung in die kanonische disjunktive Normalform,Einschätzung der bisherigen Lösungen,Zweistufig lernende Steuereinrichtungen nach der Entwicklung in die kanonische disjunktive Normalform,Ausarbeitung des Lösungsprinzips,Modifizierung des Lösungsprinzips Implementierungsmögllchkeiten kanonisierter Boolescher Funktionensysteme ,Lernsystem bei vollständiger Rechnerimplementierung,Lernalgorithmus 1,Lernalgorithmus II,Zweistufig lernende Steuereinrichtungen nach der Entwicklung in die disjunktive Normalform Ausarbeitung des Lösungsprinzips,Behandlung gleichgültiger Variabler,Steueralgorithmus II,Lernfähige Steuereinrichtungen nach dem Prinzip der Wortverarbeitung,Lernfähige Steuereinrichtungen mit einfacher Wortverarbeitung,Automatentheoretische Grundlagen des Lösungskonzepts ,Prinzip der Wortverarbeitung ,Beschreibung des Steuermodells,Speicherkonzept,Prinzip der Wortkettenverarbeitung,,Beschreibung des Steuermodells,Speicherkonzept,Einsatzmöglichkeiten lernfähiger Steuereinrichtungen mit Wortkettenverarbeitung ,Ausgewählte Grundlagen zur Funktionssteuerung von Industrierobotern. ,Trainingsmethoden lernfähiger Industrieroboter,Lernfähige Steuereinrichtungen nach dem Prinzip der Symbolkettenvcrarbeitung ,Lernfähige kombinatorische Steuereinrichtungen mit unmittelbarer Symbolkettenverarbeitung ,Beschreibung Boolescher Funktionen mittels binärer Entscheidungsdiagramme ,Ausarbeitung des Lösungsprinzips,Beschreibung des Steuermodells,Speicherkonzept , Diskussion von Lösungsansätzen,Prinzip der Symbolkettenverarbeitung mit llypothesenbildung ,Sequentielle Steuere, DE, [SC: 2.50], gewerbliches Angebot, 24 cm, 350 S, [GW: 890g], [PU: Berlin], 1. Auflage, Offene Rechnung, Internationaler Versand<