La computación de inversos {2,3} y {2,4} variables en el tiempo a través de redes neuronales de anulación
Autores: Li, Xingyuan; Lin, Chia-Liang; Simos, Theodore E.; Mourtas, Spyridon D.; Katsikis, Vasilios N.
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
La computación de inversos {2,3} y {2,4} variables en el tiempo a través de redes neuronales de anulación
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Método ZNN
Inversas {2
3}
Inversas {2
4}
Experimentos numéricos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
Este documento investiga el problema de calcular las inversas {2,3}- y {2,4}-variables en el tiempo a través del método de red neuronal de anulación (ZNN), que actualmente es considerado como un método de vanguardia para calcular la inversa de Moore-Penrose de matriz variable en el tiempo. Como resultado, se presentan dos nuevos modelos ZNN, denominados ZNN23I y ZNN24I, para el cálculo de las inversas {2,3}- y {2,4}-variables en el tiempo, respectivamente, y se evalúa la eficacia de estos modelos. Experimentos numéricos investigan y confirman la eficiencia de los modelos ZNN propuestos para el cálculo de las inversas {2,3}- y {2,4}-variables en el tiempo.
Descripción
Este documento investiga el problema de calcular las inversas {2,3}- y {2,4}-variables en el tiempo a través del método de red neuronal de anulación (ZNN), que actualmente es considerado como un método de vanguardia para calcular la inversa de Moore-Penrose de matriz variable en el tiempo. Como resultado, se presentan dos nuevos modelos ZNN, denominados ZNN23I y ZNN24I, para el cálculo de las inversas {2,3}- y {2,4}-variables en el tiempo, respectivamente, y se evalúa la eficacia de estos modelos. Experimentos numéricos investigan y confirman la eficiencia de los modelos ZNN propuestos para el cálculo de las inversas {2,3}- y {2,4}-variables en el tiempo.