Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Filtrer les résultats
L’objectif principal de cette étude est d’explorer les capacités de représentation dynamique des réseaux neuronaux à spécification floue, pour l’identification des modèles dynamiques de systèmes électrotechniques. Introduits récemment par plusieurs auteurs, ce type d’outil allie de façon naturelle les propriétés de généralisation des réseaux neuronaux conventionnels, avec une souplesse accrue pour la prise en compte d’informations expertes, qui permettent d’accélérer l’apprentissage et de minimiser le caractère "boite-noire" du modèle. Le projet se déroulera selon les étapes suivantes : simulation d’un transformateur triphasé dans MATLAB en incluant toutes ses nonlinearités; utilisation des signaux ainsi obtenus pour développer et valider un modèle …
L’objectif principal de cette étude est d’explorer les capacités de représentation dynamique des réseaux neuronaux à spécification floue, pour l’identification des modèles dynamiques de systèmes électrotechniques. Introduits récemment par plusieurs auteurs, ce type d’outil allie de façon naturelle les propriétés de généralisation des réseaux neuronaux conventionnels, avec une souplesse accrue pour la prise en compte d’informations expertes, qui permettent d’accélérer l’apprentissage et de minimiser le caractère "boite-noire" du modèle. Le projet se déroulera selon les étapes suivantes : simulation d’un transformateur triphasé dans MATLAB en incluant toutes ses nonlinearités; utilisation des signaux ainsi obtenus pour développer et valider un modèle …
Le transformateur est un élément très important dans les réseaux électriques. Il doit donc être bien protégé contre les défauts internes. L’objectif principal de cette étude est d’explorer les capacités de représentation dynamique des réseaux neuronaux à spécification floue, pour l’identification des modèles dynamiques d’un transformateur triphasé. Le projet se déroule selon les étapes suivantes : simulation d’un transformateur triphasé dans MATLAB en incluant toutes ses nonlinearités; utilisation des signaux ainsi obtenus pour développer et valider un modèle neuro-flou du transformateur; simulation du comportement d’un transformateur lors de défauts internes et externes; évaluation sommaire de la possibilité d’utiliser un modèle …
Le transformateur est un élément très important dans les réseaux électriques. Il doit donc être bien protégé contre les défauts internes. L’objectif principal de cette étude est d’explorer les capacités de représentation dynamique des réseaux neuronaux à spécification floue, pour l’identification des modèles dynamiques d’un transformateur triphasé. Le projet se déroule selon les étapes suivantes : simulation d’un transformateur triphasé dans MATLAB en incluant toutes ses nonlinearités; utilisation des signaux ainsi obtenus pour développer et valider un modèle neuro-flou du transformateur; simulation du comportement d’un transformateur lors de défauts internes et externes; évaluation sommaire de la possibilité d’utiliser un modèle …
L’objectif principal de cette étude est d’explorer les capacités de représentation dynamique des réseaux neuronaux à spécification floue, pour l’identification des modèles dynamiques de systèmes électrotechniques. Introduits récemment par plusieurs auteurs, ce type d’outil allie de façon naturelle les propriétés de généralisation des réseaux neuronaux conventionnels, avec une souplesse accrue pour la prise en compte d’informations expertes, qui permettent d’accélérer l’apprentissage et de minimiser le caractère "boite-noire" du modèle. Le projet se déroule selon les étapes suivantes : simulation d’un transformateur triphasé dans MATLAB en incluant toutes ses nonlinearités; utilisation des signaux ainsi obtenus pour développer et valider un modèle …
L’objectif principal de cette étude est d’explorer les capacités de représentation dynamique des réseaux neuronaux à spécification floue, pour l’identification des modèles dynamiques de systèmes électrotechniques. Introduits récemment par plusieurs auteurs, ce type d’outil allie de façon naturelle les propriétés de généralisation des réseaux neuronaux conventionnels, avec une souplesse accrue pour la prise en compte d’informations expertes, qui permettent d’accélérer l’apprentissage et de minimiser le caractère "boite-noire" du modèle. Le projet se déroule selon les étapes suivantes : simulation d’un transformateur triphasé dans MATLAB en incluant toutes ses nonlinearités; utilisation des signaux ainsi obtenus pour développer et valider un modèle …