partielle Ableitung

Partielle Ableitung

PARTIAL DIFFERENTIAL

Partielle Ableitung

Partial derivative

Verfahren nach Anspruch 1, bei dem die erste Größe (EG) mit dem Verfahren des Optimal Brain Damage bestimmt wird. Verfahren nach Anspruch 1, bei dem die erste Größe (EG) mit dem Verfahren des Optimal Brain Surgeon bestimmt wird. Verfahren nach einem der Ansprüche 1 bis 3, bei dem die zweite Größe (ZG) sich ergibt aus wobei mit k ein erster Index bezeichnet wird, mit dem jeweils eindeutig ein Trainingsdatum des Neuronalen Netzes bezeichnet wird, K eine Anzahl berücksichtigter Trainingsdaten bezeichnet wird, x jeweils ein Trainingsdatum bezeichnet wird, NN(x ) ein Ausgabewert des Neuronalen Netzes (NN), der sich bei Anlegen des Trainingsdatums x ergibt, bezeichnet wird, y ein Sollwert bezeichnet wird, der sich bei Anlegen des Trainingsdatums x an das Neuronale Netz (NN) ergeben sollte, ? / ?w jeweils die partielle Ableitung einer Funktion nach dem jeweils durch einen zweiten Index (i) gekennzeichneten Gewicht beschrieben wird, M eine vorgebbare natürliche Zahl beschrieben wird, m eine vorgebbare natürliche Zahl beschrieben wird, l eine vorgebbare natürliche gerade Zahl beschrieben wird, und wobei sich eine Krümmungsgröße (A i ) sich ergibt aus oder aus Verfahren nach einem der Ansprüche 1 bis 3, bei dem die zweite Größe (ZG) sich ergibt aus wobei mit k ein erster Index bezeichnet wird, mit dem jeweils eindeutig ein Trainingsdatum des Neuronalen Netzes bezeichnet wird, K eine Anzahl berücksichtigter Trainingsdaten bezeichnet wird, x jeweils ein Trainingsdatum bezeichnet wird, NN(x ) ein Ausgabewert des Neuronalen Netzes, der sich bei Anlegen des Trainingsdatums x ergibt, bezeichnet wird, y ein Sollwert bezeichnet wird, der sich bei Anlegen des Trainingsdatums x an das Neuronale Netz (NN) ergeben sollte, ? / ?w jeweils die partielle Ableitung einer Funktion nach dem jeweils durch einen zweiten Index (i) gekennzeichneten Gewicht beschrieben wird, M eine vorgebbare natürliche Zahl beschrieben wird, m eine vorgebbare natürliche Zahl beschrieben wird, s eine vorgebbare natürliche Zahl beschrieben wird, und wobei eine Krümmungsgröße (A i ) sich ergibt aus oder aus Verfahren nach einem der Ansprüche 1 bis 5, bei dem eine dritte Größe (DG) gebildet wird nach der Vorschrift wobei mit k ein erster Index bezeichnet wird, mit dem jeweils eindeutig ein Trainingsdatum des Neuronalen Netzes bezeichnet wird, K eine Anzahl berücksichtigter Trainingsdaten bezeichnet wird, x jeweils ein Trainingsdatum bezeichnet wird, NN(x ) ein Ausgabewert des Neuronalen Netzes, der sich bei Anlegen des Trainingsdatums x ergibt, bezeichnet wird, y ein Sollwert bezeichnet wird, der sich bei Anlegen des Trainingsdatums x an das Neuronale Netz (NN) ergeben sollte, ? / ?w jeweils die partielle Ableitung einer Funktion nach dem jeweils durch einen zweiten Index (i) gekennzeichneten Gewicht (w ) beschrieben wird, m eine vorgebbare natürliche Zahl beschrieben wird, und Verfahren nach einem der Ansprüche 1 bis 6, bei dem sich die wählbare erste Schranke ergibt aus einem vorgebbaren Prozentsatz zu entfernender Gewichte, und bei dem das Gewicht (w ) als ein zur Entfernung geeignetes Gewicht (w ) eingeteilt wird, falls die Kriteriumsgröße (KG) für das Gewicht (w ) unterhalb der Kriteriumsgrößen (KG) einer Anzahl des vorgebbaren Prozentsatzes anderer Gewichte (w ) liegt.

Method according to one of Claims 1 to 3, in which the second variable (ZG) is obtained from where k denotes a first index which is in each case used to denote a training data item in the neural network unambiguously, K denotes a number of training data items which are taken into account, x in each case denotes a training data item, NN(x ) denotes an output value of the neural network (NN) which results when the training data item x is applied, y denotes a desired value which is intended to result when the training data item x is applied to the neural network (NN), ? / ?w in each case describes the partial derivative of a function on the basis of the weight which is in each case designated by a second index (i) M describes a natural number which can be predetermined, m describes a natural number which can be predetermined, l describes a natural even number which can be predetermined, and where a curvature variable (A i ) is obtained from or from Method according to one of Claims 1 to 3, in which the second variable (ZG) is obtained from where k denotes a first index which is in each case used to denote a training data item in the neural network unambiguously, K denotes a number of training data items which are taken into account, x in each case denotes a training data item, NN(x ) denotes an output value of the neural network which results when the training data item x is applied, y denotes a desired value which is intended to result when the training data item x is applied to the neural network (NN), ? / ?w in each case describes the partial derivative of a function on the basis of the weight which is in each case designated by a second index (i), M describes a natural number which can be predetermined, m describes a natural number which can be predetermined, s describes a natural number which can be predetermined, and where a curvature variable (A i ) is obtained from or from Method according to one of Claims 1 to 5, in which a third variable (DG) is formed from the expression where k denotes a first index which is in each case used to denote a training data item in the neural network unambiguously, K denotes a number of training data items which are taken into account, x in each case denotes a training data item, NN(x ) denotes an output value of the neural network which results when the training data item x is applied, y denotes a desired value which is intended to result when the training data item x is applied to the neural network (NN), ? / ?w in each case describes the partial derivative of a function on the basis of the weight (w ) which is in each case designated by a second index (i), m describes a natural number which can be predetermined, and Method according to one of Claims 1 to 6, in which the selectable first limit results from a percentage, which can be predetermined, of weights to be removed, and in which the weight (w ) is classified as a weight (w ) that is suitable for removal, if the criterion variable (KG) for the weight (w ) is less than the criterion variables (KG) of a number of the percentage, which can be predetermined, of other weights (w ).

Ein System zur Geschwindigkeitsregelung für ein Fahrzeug mit beweglicher Drosselklappe (20), die durch einen Drosselklappenbefehl zur Steuerung der Fahrzeuggeschwindigkeit betrieben wird, mit einer durch den Fahrer betriebenen Regelung, die eine Quelle für ein Signal für eine Sollgeschwindigkeit, das die gewünschte Fahrzeuggeschwindigkeit anzeigt, umfaßt, sowie einem Geschwindigkeitssensor (34), der ein Signal für eine Istgeschwindigkeit bereitstellt, das die Istgeschwindigkeit des Fahrzeuges darstellt, einer Vorrichtung zur Erzeugung eines Fehlersignals mit einer Größe, die in Bezug zur Differenz zwischen diesem Signal für die Istgeschwindigkeit und dem Signal für die Sollgeschwindigkeit steht, und einem adaptiven Regler (36) zum Empfang dieser Signale für die Soll- und die Istgeschwindigkeit und zur Ausgabe dieses Drosselklappenbefehls als Antwort auf diese Signale für die Soll- und die Istgeschwindigkeit und mindestens eine Verstärkung, die in Abhängigkeit vom Betrieb des Fahrzeuges geregelt werden kann, dadurch gekennzeichnet, daß das System zur Geschwindigkeitsregelung, um diese Verstärkung adaptiv zu verändern, außerdem noch eine Kombination umfaßt von: einem Empfindlichkeitsfilterbauglied, das auf dieses Geschwindigkeitsabweichungssignal anspricht, indem es den Wert einer partiellen Ableitung erzeugt, die anzeigt, mit welcher Rate sich die Istgeschwindigkeit des Fahrzeuges im Verhältnis zu dieser Verstärkung verändert, wobei dieses Empfindlichkeitsfilterbauglied ein Modell für (i) eine vorbestimmte Übertragungsfunktion der Drosselklappenposition von der Geschwindigkeit für dieses Fahrzeug und (ii) einen Festwertregler für das Fahrzeug bildet; und einem Gradientenbauglied, das auf die partielle Ableitung anspricht, um diese Verstärkung wiederholt um einen inkrementalen Betrag anzupassen, in Übereinstimmung mit einem Integral über die Summe eines vom Drosselklappenbefehlssignal und eines vom Fehlersignal abhängigen Wertes.

A speed control system for a vehicle, having a movable throttle (20) operated by a throttle command for controlling vehicle speed, an operator-actuated control including a source of a set speed signal indicative of a desired vehicle speed, a speed sensor (34) providing an actual speed signal representative of actual vehicle speed, means for generating an error signal having a magnitude related to the difference between said actual speed signal and set speed signal, and an adaptive controller (36) for receiving said set speed signal and said actual speed signal and for issuing said throttle command in response to said set speed signal, said actual speed signal and at least one gain value that is controllable in accordance with the vehicle operation, characterised in that, to adaptively modify said gain value, the speed control system further comprises, in combination: sensitivity filter means responsive to said error speed signal for generating a partial derivative value indicative of the rate of change of said actual vehicle speed with respect to said gain value, said sensitivity filter means modelling (i) a predetermined throttle-position-to-speed transfer function of the vehicle and (ii) a fixed gain controller for the vehicle; and gradient means responsive to the partial derivative value for repeatedly adjusting said gain value by an incremental amount according to an integral of the sum of a value dependent on the throttle command signal and a value dependent on the error signal.