Computational intelligence tools for next generation quality of service management

del-Hoyo-Alonso, Rafael; Martin-del-Brio, B.; Medrano, N.; Fernández-Navajas, Julián

doi:10.1016/j.neucom.2009.01.016

Cited by 12 publications

(7 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Ya es bien conocido en la literatura que las redes neuronales, debido a la capacidad de adaptación de sus elementos procesales (i.e., neuronas), están dotadas de una dinámica que constantemente cambia para ajustarse a nuevas condiciones, mediante procedimientos basados en iteraciones que conforman la etapa de entrenamiento [9], [7]. Se han propuesto diferentes modelos hí-bridos que combinan las fortalezas de las redes neuronales y la lógica difusa (i.e., modelos neurodifusos) para el control de sistemas complejos que incluyen apreciables niveles de incertidumbre, debido a la facilidad que tienen para combinar el razonamiento difuso con el manejo de información incierta [50], [51].…”

Section: Modelos Neuro-difusos Para El Control De Sistemas Compleunclassified

“…También puede ocurrir que el modelo del sistema en un momento dado no corresponda al inicial y esto ocasione fallas o variaciones no deseadas en los procesos [6]. En este sentido, la literatura reciente deja ver una progresiva tendencia hacia la inteligencia computacional, a través de modelos híbridos basados en redes neuronales [7] y lógica difusa [8] para la identificación autoajustable y el control multi-objetivo de procesos, a partir sólo de las entradas y las salidas del sistema [9].…”

Section: Introductionunclassified

“…Las nuevas tendencias sugieren combinar estratégicamente estas técnicas de inteligencia artificial con esquemas de control tradicionales [7], puesto que la industria actual necesita sistemas de control con memoria, capacidad de respuesta ante eventos inesperados, parámetros autoajustables y decisiones automáticas soportadas por bases de conocimiento dinámicas [12]. En este contexto, se ha incrementado el interés por los modelos neuro-difusos, y las principales razones son: a) el buen desempeño de las redes neuronales; b) la integración del conocimiento de expertos; y c) Las ventajas de extraer conocimiento a partir del conjunto de datos bajo el formato de reglas [13].…”

Section: Introductionunclassified

See 2 more Smart Citations

Dinámica Estocástica o Compleja con Información Incompleta: Una Revisión desde el Control

Gómez¹,

Palacio²,

Valencia³

et al. 2013

Iteckne

View full text Add to dashboard Cite

Resumen-El control de procesos con dinámica estocástica o compleja es exitoso siempre y cuando se pueda estimar un modelo que se ajuste bien al comportamiento, sin embargo, esta suposición pierde validez en aplicaciones donde la información del sistema es reducida o incompleta, muy comunes en ambientes reales de la industria. La literatura presenta diferentes esquemas de control, siendo los modelos neuro-difusos los que reportan mejor desempeño. Estos modelos conjugan la capacidad de adaptación que tienen las redes neuronales con la robustez de los motores de inferencia que tiene la lógica difusa, para modelar el conocimiento de expertos mediante reglas de aprendizaje, identificar dinámicas complejas y aumentar la adaptabilidad del sistema a perturbaciones que en la práctica tienden a ser de naturaleza estocástica sumado, a veces, que la información del sistema sea restringida. Este artículo presenta una revisión sobre dificultades y soluciones derivadas del control de sistemas estocásticos o complejos con información incompleta. Se revisan las estructuras de control cuando la dinámica del sistema presenta vaguedad en los datos, la evolución hacia técnicas adaptativas, y el desempeño de las redes neuro-difusas ante procesos estocásticos o complejos con incertidumbre en los datos. De forma preliminar se establece que el control de este tipo de sistemas debe estar compuesto por modelos híbridos soportados en rutinas de optimización y análisis probabilístico que garanticen el tratamiento de las incertidumbres sin afectar el desempeño de las estructuras de control y la consistencia en la precisión.Palabras clave-Control adaptativo, sistemas estocás-ticos, redes neuronales, lógica difusa, modelos neurodifusos, información incompleta.Abstract-Control theory for processes with stochastic or complex dynamics has a successful performance as long as a model can be adjusted to the system behavior, although for real applications in the industry, where data can be reduced or incomplete, this statement may not be true. Different control schemes have been proposed and the literature reports promising results with neural fuzzy models. These models combine the adaptability of neural networks with the robust inference of fuzzy logic, in order to model expert knowledge by learning rules, identify complex dynamics and enhance the control adaptability when stochastic disturbances are present, which sometimes cause incomplete system data. This paper presents a review on the difficulties and solutions related to the control of stochastic or complex systems with incomplete data. This study, initially, discusses the control structures when the system data present notable uncertainty levels. Next, different adaptive control schemes are presented, and finally, nonlinear and stochastic control approaches based on neural fuzzy systems are reviewed. Thereby, in a preliminary way, this review establishes that a system under the conditions mentioned above should be controlled by hybrid models supported on probabilistic routines and optimizatio...

show abstract

Section: Modelos Neuro-difusos Para El Control De Sistemas Compleunclassified

Section: Introductionunclassified

See 1 more Smart Citation

Dinámica Estocástica o Compleja con Información Incompleta: Una Revisión desde el Control

Gómez¹,

Palacio²,

Valencia³

et al. 2013

Iteckne

View full text Add to dashboard Cite

show abstract

“…Recently, the growing interest in the methodology and techniques of computational intelligence (CI) has attracted attention in various areas of science and engineering (Pedrycz and Vasilakos 2000;Shaheen et al, 2010;Warne et al, 2004;del-Hoyo et al, 2009;Srinivasan et al, 2009;AlRashidi and El-Hawary, 2009). The research has demonstrated that various CI techniques can support the design of models with better model performance than those being obtained when using a single ''conventional'' technique.…”

Section: Introductionmentioning

confidence: 99%

Design of information granule-oriented RBF neural networks and its application to power supply for high-field magnet

Park

Chung

et al. 2011

Engineering Applications of Artificial Intelligence

View full text Add to dashboard Cite

“…Furthermore, by combining quality evaluation mechanisms with machine intelligence tools, device performance and potential failures can be predicted [48].…”

Section: Service Providers and Intelligent Devicesmentioning

confidence: 99%

Mission-Oriented Heterogeneous Robot Cooperation Based on Smart Resources Execution

Sánchez¹

View full text Add to dashboard Cite

Home environments are changing as more technological devices are used to improve daily life. The growing demand for high technology in our homes means that robot integration will soon arrive. Home devices are evolving in a connected paradigm in which data flows to perform efficient home task management. Heterogeneous home robots connected in a network can establish a workflow that complements their capabilities and so increases performance within a mission execution. This work addresses the definition and requirements of a robot-group mission in the home context. The proposed solution relies on a network of smart resources, which are defined as cyber-physical systems that provide high-level service execution. Firstly, control middleware architecture is introduced as the execution base for the Smart resources.Next, the Smart resource topology and its integration within a robotic platform are addressed. Services supplied by Smart resources manage their execution through a robot behavior architecture. Robot behavior execution is hierarchically organized through a mission definition that can be established as an individual or collective approach. Environment model and interaction tasks characterize the operation capabilities of each robot within a mission. Mission goal achievement in a heterogeneous group is enhanced through the complement of the interaction capabilities of each robot. To offer a clearer explanation, a full use case is presented in which two robots cooperate to execute a mission and the previously detailed steps are evaluated. Finally, some of the obtained results are discussed as conclusions and future works is introduced. ResumenLos entornos domésticos se encuentran sometidos a un proceso de cambio gracias al empleo de dispositivos tecnológicos que mejoran la calidad de vida de las personas. La creciente demanda de alta tecnología en los hogares señala una próxima incorporación de la robótica de servicio. Los dispositivos domésticos están evolucionando hacia un paradigma de conexión en el cual la información fluye para ofrecer una gestión más eficiente. En este entorno, robots heterogéneos conectados a la red pueden establecer un flujo de trabajo que ofreciendo nuevas soluciones y incrementando la eficiencia en la ejecución de tareas. Este trabajo aborda la definición y los requisitos necesarios para la ejecución de misiones en grupos de robots heterogéneos en entornos domésticos. La solución propuesta se apoya en una red de Smart resources, que son definidos como sistemas ciber-físicos que proporcionan servicios de alto nivel. En primer lugar, se presenta la arquitectura del middleware de control en la cual se basa la ejecución de los Smart resources. A continuación se detalla la topología de los Smart resources, así como su integración en plataformas robóticas. Los servicios proporcionados por los Smart resources gestionan su ejecución mediante una arquitectura de comportamientos para robots. La ejecución de estos comportamientos se organiza de forma jerárquica mediante la definición de ...

show abstract

Computational intelligence tools for next generation quality of service management

Cited by 12 publications

References 3 publications

Dinámica Estocástica o Compleja con Información Incompleta: Una Revisión desde el Control

Dinámica Estocástica o Compleja con Información Incompleta: Una Revisión desde el Control

Design of information granule-oriented RBF neural networks and its application to power supply for high-field magnet

Mission-Oriented Heterogeneous Robot Cooperation Based on Smart Resources Execution

Contact Info

Product

Resources

About