El enfoque de este trabajo se basa en la impresión 3D de compuestos iónicos blandos de polímero-metal (IPMC), el aprendizaje automático para el control de los IPMC impresos en 3D y los actuadores relacionados. Se discuten en detalle el proceso de impresión 3D, el diseño y modelado de los componentes del actuador y la optimización bayesiana como método de control basado en el aprendizaje. Además, este artículo compara la efectividad de un método de gradiente de políticas de diferencias finitas y la optimización bayesiana como métodos de control para IPMC. Los resultados de la comparación destacan la ventaja de la optimización bayesiana para codificar el conocimiento previo en forma de valores alcanzables conocidos y resultados de simulación de un modelo de dinámica lineal.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Necesidad de regulación y automatización de procesos en sistemas de gestión de calidad en el sector de la ingeniería mecánica
Video:
Cómo optimizar los procesos de la empresa - UNIR, la universidad en internet
Artículo:
Sistema de apoyo de toma de decisión en tiempo real para la programación de producción de alto y bajo volumen en la industria 4.0
Artículo:
El papel del regulador en el mercado de las telecomunicaciones
Artículo:
Análisis comparativo de modelos de madurez en inteligencia de negocio
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Folleto:
Análisis de rentabilidad económica y financiera
Artículo:
¿Por qué debemos conservar la fauna silvestre?
Artículo:
Emisiones globales de gases de efecto invernadero provenientes de materiales de construcción residencial y comercial: estrategias de mitigación para 2060