D S A Asifur Reza
Dynamic Neural Networks to Generate Robotics Trajectories = Dynamic Neural Networks to Generate Robotics Trajectories.
Rel. Marcello Chiaberge. Politecnico di Torino, Corso di laurea magistrale in Mechatronic Engineering (Ingegneria Meccatronica), 2019
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (3MB) | Preview |
Abstract
Questo postulato espone reti neurali artificiali adatte alla generazione di traiettorie di stato a partire dalla mappatura dello spazio di stato di un framework. I modelli con l'obiettivo principale sono le reti neurali non supervisionate, quali Growing Neural Gas (GNG), (Fritzke), Grow When Required (GWR), (Marsland) e una nuova rete con topologia dinamica chiamata State Trajectory Generator (STRAGEN Off-line e STRAGEN On-line), (Benante). Quest'ultimo è un modello proposto da Benante, è un contributo importante alla mappatura della robot space dynamic per essere in grado di generare traiettorie. I modelli consentono l'utilizzo di vari criteri per la sintesi di una traiettoria ideale in base all'area di interesse di diversi attributi dello stesso dominio.
Ogni modello funziona in tre fasi: Training, Trajectories Generation and Validation Error phase, oltre a STRAGEN Off-line, che ha una fase aggiuntiva di pruning, che viene eseguita prima della fase di Trajectory Generation e dopo la fase di training
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
Ente in cotutela
URI
![]() |
Modifica (riservato agli operatori) |
