Utilize este identificador para referenciar este registo: http://hdl.handle.net/10400.1/2232
Título: Online sliding-window methods for process model adaptation
Autor: Ferreira, P. M.
Ruano, A. E.
Palavras-chave: Adaptive systems
Feedforward neural networks
Learning systems
Modeling
Nonlinear systems
Data: 2009
Editora: IEEE
Citação: Ferreira, P. M.; Ruano, A. E. Online Sliding-Window Methods for Process Model Adaptation, IEEE Transactions on Instrumentation and Measurement, 58, 9, 3012-3020, 2009.
Resumo: Online learning algorithms are needed when the process to be modeled is time varying or when it is impossible to obtain offline data that cover the whole operating region. To minimize the problems of parameter shadowing and interference, sliding-window-based algorithms are used. It is shown that, by using a sliding-window policy that enforces the novelty of the data it stores and by using a procedure to prevent unnecessary parameter updates, the performance achieved is improved over a first-in–first-out (FIFO) policy with fixed interval parameter updates. Important savings in computational effort are also obtained.
Peer review: yes
URI: http://hdl.handle.net/10400.1/2232
DOI: http://dx.doi.org/10.1109/TIM.2009.2016818
ISSN: 0018-9456
Aparece nas colecções:FCT2-Artigos (em revistas ou actas indexadas)

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
Ferreira 2009.pdf473,5 kBAdobe PDFVer/Abrir    Acesso Restrito. Solicitar cópia ao autor!


FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpace
Formato BibTex MendeleyEndnote Degois 

Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.