Andere Kunden interessierten sich auch für
![Prédiction de l'indice fluviométrique à l'aide d'une approche neuro-floue]( "Prédiction de l'indice fluviométrique à l'aide d'une approche neuro-floue")
Prédiction de l'indice fluviométrique à l'aide d'une approche neuro-floue26,99 €![Constats et perspectives sur l¿Enseignement-Apprentissage]( "Constats et perspectives sur l¿Enseignement-Apprentissage")
Constats et perspectives sur l¿Enseignement-Apprentissage44,99 €![Mécanismes de prédiction de la propagation à apprentissage]( "Mécanismes de prédiction de la propagation à apprentissage")
Mécanismes de prédiction de la propagation à apprentissage42,99 €![Apprentissage Automatique Embarqué]( "Apprentissage Automatique Embarqué")
Apprentissage Automatique Embarqué29,99 €![Les neurones impulsionnels pour la reconnaissan des caractères imprimé]( "Les neurones impulsionnels pour la reconnaissan des caractères imprimé")
Les neurones impulsionnels pour la reconnaissan des caractères imprimé36,99 €![La programmation par contraintes et les raisonnements distribués]( "La programmation par contraintes et les raisonnements distribués")
La programmation par contraintes et les raisonnements distribués50,99 €![User Navigation Pattern Analysis using Neuro-Fuzzy Inference System]( "User Navigation Pattern Analysis using Neuro-Fuzzy Inference System")
User Navigation Pattern Analysis using Neuro-Fuzzy Inference System26,99 €
Ce travail s'articule autour de trois axes, le premier est le développement d'un logiciel qui permet de faire la navigation d'un robot mobile dans un environnement inconnu ainsi que l'apprentissage des réseaux neuro-flous. Le deuxième axe est le développent d'un expert flou qui donne une appréciation sur la qualité de la navigation. Le troisième axe se focalise sur le développement d'un algorithme d'apprentissage pour les réseaux neuro-flous nommé le (SSABAM), et son application dans la navigation d'un robot mobile. Les résultats démontrent que l'algorithme proposé qui ajuste automatiquement le taux d'apprentissage et le paramètre du moment, converge plus rapidement que d'autres algorithmes comme la (RP), la (BPAM) et le (SSAB). Les contrôleurs optimisés par ces algorithmes permettent la navigation du robot. En se basant sur les résultats de la simulation, après la navigation, le contrôleur optimisé par l'algorithme proposé est plus performant que les autres contrôleurs en termes de temps de navigation et des résultats de l'expert flou, finalement le contrôleur optimisé par l'algorithme proposé a été validé par son implémentation sur un robot réel le ED-7273.