Katsun siiski materjalide ja märkmete põhjal midagi kirjutada. Esimeses osas vaatlesime etalonmudeliga adaptiivsüsteeme. Etalonmudeliga süsteemi puhul antakse regulaatorile näidismudeli abil ette soovitud objekti käitumine, mida regulaator siis täita püüab. Tavapärasest etteantavast seadesuurusest erineb etalonmudel sellepoolest, et näitab lisaks ka käitumise soovitud tulemuseni jõudmiseks. Adaptiivse süsteemi puhul vaatab regulaator etalonmudeli väljundit. Etalonmudeli väljund muutub ajas, seadesuurus ei muutu. Selleks, et süsteem oleks lihtsalt häälestatav, peab etalonmudel olema võimalikult lihtne. Samas ka piisavalt keeruline, kirjeldamaks süsteemi vajalikul keerukustasemel. Juhitav mittelineaarne süsteem on kirjeldatav mudeliga Etalonmudel : am valikust sõltub süsteemi kiirus (mida väiksem, seda kiirem). Hm (S) = bm / S-am Häälestatav regulaator: Simulinkis koefitsendid; g, g1, g2 on vastava k kaalukoefitsendid. Mida suurem g,
oleks majanduslikult õigustatud. 2. Krüptoprotseduuridele esitatavate nõuete väljaselgitamine Vajalik on koostada nõuete kataloog, milles kirjeldatakse krüptoprotseduuride rakendamist mõjutavate tegurite suurust ja otsustuskriteeriume. (vt M 2.162 Krüptoprotseduuride ja toodete vajaduse määramine ja M 2.163 Krüptoprotseduure ja tooteid mõjutavate tegurite määramine). Krüptoprotseduure võib rakendada ISO/OSI-etalonmudeli eri kihtides. Vastavalt kindlaksmääratud nõudmistele või ohtudele on nende kasutamine teatud kihtides soovitatav (vt ka M 4.90 Krüptoprotseduuride kasutamine ISO/OSI-etalonmudeli eri kihtides). 3. Sobivate krüptoprotseduuride valimine (vt M 2.164 Sobiva krüptoprotseduuri valimine) Krüptoprotseduuride valimisel on kõigepealt tähtsaimaks küsimuseks, kas sobivad sümmeetrilised, asümmeetrilised või hübriidsed algoritmid ning seejärel mehhanismide tugevus. Lõpuks tuleb
Olgu mittelineaarse süsteemi dünaamika on teadmata: Plant :{u(t), y(t), kus u(t) on süsteemi juhtimissisend ja y(t) on temale vastav süsteemi väljund. Juhtimise ülesandeks on saavutada nõutavat süsteemi dünaamikat, mida kirjeldab etalonmudel (reference model): Reference model: {r(t),d(t)}, kus r(t) on seadesuurus (juhtimissüsteemi sisend) ja d(t) on soovitav juhitava süsteemi väljund. Närvivõrk peab arvutama sellise juhtimissisendi u(t), et juhitav süsteem jälgiks etalonmudeli poolt määratud soovitava trajektoori: lim ( ) − ( ) = 0 →∞ d t y t t . Tehisnärvivõrkude teoreetilised alused – Üks tähtsamatest teoreemidest närvivõrkude teooriast on Stone-Weierstrassi teoreem, mis tõestab mitmekihiliste pertseptronide võimelisust aproksimeerida suvalist pidevat funktsiooni. Tänu sellele nad on rakendatavad paljude probleemide lahendamiseks (modelleerimiseks, juhtimiseks, ennustamiseks jne).
25) kus u (t ) on süsteemi juhtimissisend ja y (t ) on temale vastav süsteemi väljund. Juhtimise ülesandeks on saavutada nõutavat süsteemi dünaamikat, mida kirjeldab etalonmudel (reference model): Reference model : {r (t ), d (t )}, (1.26) kus r (t ) on seadesuurus (juhtimissüsteemi sisend) ja d (t ) on soovitav juhitava süsteemi väljund. Närvivõrk peab arvutama sellise juhtimissisendi u (t ) , et juhitav süsteem jälgiks etalonmudeli poolt määratud soovitava trajektoori: lim d (t ) - y (t ) = 0 . (1.27) t Juhtimissisendi arvutamiseks on võimalik õpetada närvivõrku. Detailsemalt juhtimine tehisnärvivõrkudega on kirjeldatud viiendas peatükis. Täiendav kirjandus: 1. Haykin, S. Neural Networks, Prentice-Hall international (UK) Limited, London, 1994. 696 p. 2. Lu, Y-Z. Industrial intelligent control
25) kus u (t ) on süsteemi juhtimissisend ja y (t ) on temale vastav süsteemi väljund. Juhtimise ülesandeks on saavutada nõutavat süsteemi dünaamikat, mida kirjeldab etalonmudel (reference model): Reference model : {r (t ), d (t )}, (1.26) kus r (t ) on seadesuurus (juhtimissüsteemi sisend) ja d (t ) on soovitav juhitava süsteemi väljund. Närvivõrk peab arvutama sellise juhtimissisendi u (t ) , et juhitav süsteem jälgiks etalonmudeli poolt määratud soovitava trajektoori: lim d (t ) - y (t ) = 0 . (1.27) t Juhtimissisendi arvutamiseks on võimalik õpetada närvivõrku. Detailsemalt juhtimine tehisnärvivõrkudega on kirjeldatud viiendas peatükis. Täiendav kirjandus: 1. Haykin, S. Neural Networks, Prentice-Hall international (UK) Limited, London, 1994. 696 p. 2. Lu, Y-Z. Industrial intelligent control
annaabi.ee 
