پایدارسازی دسته ای از سیستم های کنترل غیرخطی با استفاده از شبکه های عصبی مصنوعی

هدف این رساله، پایدارسازی سیستم های کنترل غیرخطی از طریق شبکه های عصبی است. این کار در سیستم های غیرخطی گسسته و پیوسته انجام شده است. در سیستم های گسسته نسبت به پیوسته عملکرد شبکه های عصبی بهتر بود. نوع شبکه های بکار رفته شده غالباً از نوع چند لایه است که در آن قوانین یادگیری متفاوتی بکار رفته است. در حالت کلی دو نوع یادگیری بنام برخط و نه برخط وجود دارد، هر دو حالت را در سیستم ها انجام داده و پایداری حاصل شده است. در حالت نه برخط مساله یادگیری شبکه دارای انشعاب بیشتری است، گاهی مساله باناظر و گاهی بدون ناظر است. در حالت باناظر باید مجموعه داده های آموزشی جمع آوری شود، خود این عمل نیز به چندین طریق انجام می شود. همه این روش ها بررسی شده و برای هر حالت مثال حل شده است. در حالت بدون ناظر لازم نیست داده های آموزشی جمع آوری شوند بلکه یک روش بهینه سازی نامقید لازم است که توسط آن روش، پارامترهای شبکه (وزن ها و بایاسها) بهینه و به عبارت دیگر بروز شوند. در این رساله، در حالت بدون ناظر برای بروز کردن پارامترهای شبکه، روش بهینه سازی نلدر-مید بکار رفته است.