Version of a glass retroreflector satellite with a submillimeter “target error”

2019 ◽  
Vol 93 (11) ◽  
pp. 2429-2435
Author(s):  
A. L. Sokolov ◽  
A. S. Akentyev ◽  
V. P. Vasiliev ◽  
V. D. Shargorodskiy ◽  
M. A. Sadovnikov
Keyword(s):  
Target Error

DUTY-CYCLED SPINNING BASED 3D MOTION CONTROL APPROACH FOR BEVEL-TIPPED FLEXIBLE NEEDLE INSERTION

2018 ◽  
Vol 18 (07) ◽  
pp. 1840017 ◽  
Author(s):  
QIN YAO ◽  
XUMING ZHANG
Keyword(s):  
Motion Control ◽  
Control Method ◽  
Tracking Error ◽  
Open Loop ◽  
Loop Control ◽  
3D Motion ◽  
Control Approach ◽  
Target Error ◽  
The Mean ◽  
Simulation Results

Flexible needle has been widely used in the therapy delivery because it can advance along the curved lines to avoid the obstacles like important organs and bones. However, most control algorithms for the flexible needle are still limited to address its motion along a set of arcs in the two-dimensional (2D) plane. To resolve this problem, this paper has proposed an improved duty-cycled spinning based three-dimensional (3D) motion control approach to ensure that the beveled-tip flexible needle can track a desired trajectory to reach the target within the tissue. Compared with the existing open-loop duty-cycled spinning method which is limited to tracking 2D trajectory comprised of few arcs, the proposed closed-loop control method can be used for tracking any 3D trajectory comprised of numerous arcs. Distinctively, the proposed method is independent of the tissue parameters and robust to such disturbances as tissue deformation. In the trajectory tracking simulation, the designed controller is tested on the helical trajectory, the trajectory generated by rapidly-exploring random tree (RRT) algorithm and the helical trajectory. The simulation results show that the mean tracking error and the target error are less than 0.02[Formula: see text]mm for the former two kinds of trajectories. In the case of tracking the helical trajectory, the mean tracking error target error is less than 0.5[Formula: see text]mm and 1.5[Formula: see text]mm, respectively. The simulation results prove the effectiveness of the proposed method.

Optimizing the Target Error Rate for Link Adaptation

2014 ◽  
Author(s):  
Sungwoo Park ◽  
Robert C. Daniels ◽  
Robert W. Heath
Keyword(s):  
Error Rate ◽  
Link Adaptation ◽  
Target Error

Reach adaptation to online target error

2011 ◽  
Vol 209 (2) ◽  
pp. 171-180 ◽  
Author(s):  
Brendan D. Cameron ◽  
Ian M. Franks ◽  
J. Timothy Inglis ◽  
Romeo Chua
Keyword(s):  
Target Error

scholarly journals Target error for image-to-physical space registration: preliminary clinical results using laser range scanning

2007 ◽  
Author(s):  
Aize Cao ◽  
Michael I. Miga ◽  
P. Dumpuri ◽  
S. Ding ◽  
B. M. Dawant ◽  
...  
Keyword(s):  
Physical Space ◽  
Clinical Results ◽  
Laser Range ◽  
Target Error ◽  
Laser Range Scanning ◽  
Range Scanning

Implicit motor learning from target error during explicit reach control

2010 ◽  
Vol 206 (1) ◽  
pp. 99-104 ◽  
Author(s):  
Brendan D. Cameron ◽  
Ian M. Franks ◽  
J. Timothy Inglis ◽  
Romeo Chua
Keyword(s):  
Motor Learning ◽  
Target Error ◽  
Implicit Motor Learning ◽  
Implicit Motor ◽  
Reach Control

scholarly journals Prediksi Pasang Surut Air Laut Menggunakan Jaringan Syaraf Tiruan Backpropagation

2018 ◽  
Vol 7 (1) ◽  
pp. 1-6
Author(s):  
Nerfita Nikentari ◽  
Nola Ritha ◽  
Tri Haryadi
Keyword(s):  
Learning Rate ◽  
Target Error ◽  
Error Learning ◽  
Hidden Layer

Pasang surut air laut mempunyai pengaruh terhadap suatu kegiatan yang dilakukan di laut yaitu kegiatan pelayaran, kegiatan para nelayan, serta bongkar muat kapal, oleh karena kejadian pasang surut terjadi tidak pada waktu yang sama oleh karena itu perlu adanya prediksi pasng surut air laut. Berdasarkan data tunggal ketinggian pasang surut sebelumnya yang diperoleh dari BMKG kota Tanjungpinang dari tanggal 1 Januari sampai dengan 11 Februari 2015, maka dilakukan penelitian dengan menggunakan algoritma Backpropagation Pada penelitian ini menggunakan sebanyak 1000 data tinggi pasang surut dengan beberapa parameter inputan seperti max iterasi, target error, learning rate, jumlah input, dan update learning rate. Pada pengujian ini akan diukur tingkat akurasinya dengan menghitung error rata-rata menggunakan MSE (Means Square Error). Hasil pemodelan terbaik Backpropagation dengan 5 hidden layer, dan nilai learning rate adalah 0,9 menghasilkan nilai MSE 0,0035861

scholarly journals PREDIKSI PENGGUNAAN BANDWIDTH MENGGUNAKAN ELMAN RECURRENT NEURAL NETWORK

2016 ◽  
Vol 10 (2) ◽  
pp. 127-135
Author(s):  
Jefri Radjabaycolle ◽  
Reza Pulungan
Keyword(s):  
Neural Network ◽  
Recurrent Neural Network ◽  
Minimum Error ◽  
Target Error ◽  
Hidden Layer ◽  
Elman Recurrent Neural Network

Jaringan Syaraf Tiruan (JST) sering dipakai dalam menyelesaikan permasalahan tertentu seperti prediksi, klasifikasi, dan pengolahan data. Berdasarkan hal tersebut, dalam penelitian ini mencoba menerapkan JST untuk menangani permasalahan dalam prediksi penggunaan bandwidth. Sistem yang dikembangkan dapat digunakan untuk memprediksi pengunaan bandwidth dengan menerapkan Elman Recurrent Neural Network (ERNN). Struktur Elman dipilih karena dapat membuat iterasi jauh lebih cepat sehingga memudahkan proses konvergensi.. Vektor input yang digunakan menggunakan windows size. Hasil penelitian dengan menggunakan target error sebesar 0.001 menunjukkan nilai MSE terkecil yaitu pada windows size 11 dengan nilai 0.002833. Kemudian dengan menggunakan 13 neuron pada hidden layer diperoleh nilai error paling optimal (minimum error) sebesar 0.003725.

scholarly journals PENERAPAN METODE LEARNING VECTOR QUANTIZATION UNTUK IDENTIFIKASI PENYAKIT PADI BERDASARKAN BENTUK BERCAK DAUN

2020 ◽  
Vol 6 (1) ◽  
pp. 28-35
Author(s):  
Ery Murniyasih ◽  
Luluk Suryani
Keyword(s):  
Vector Quantization ◽  
Error Rate ◽  
Learning Vector Quantization ◽  
Learning Rate ◽  
Rate Data ◽  
Target Error

Penelitian ini bertujuan : (1). Membuat suatu aplikasi untuk identifikasi jenis penyakit pada tanaman padi berdasarkan bentuk bercak daun padi.;(2). Menerapkan metode Learning Vector Quantization (LVQ) pada identifikasi penyakit tanaman padi. Pada tahapan learning dan testing pada LVQ citra diproses menjadi Grayscale, Thresholding, dan segmentasi. Di tahap pelatihan, metode LVQ digunakan untuk menentukan bobot, target error, max epoch, dan laju pelatihan (Learning rate). Data yang dijadikan sebagai input adalah citra identifikasi jenis penyakit tanaman padi berdasarkan bentuk bercak daun padi  yaitu dengan ukuran piksel 95x35 dan berekstensi BITMAP (.bmp). Standar keberhasilan sistem identifikasi ini adalah menghitung nilai Termination Error Rate dan tingkat keakuratan dalam identifikasi bentuk bercak daun. Dari simulasi ini diperoleh struktur Jaringan Syaraf Tiruan dengan jumlah nilai learning rate 0,02 dan jumlah epoch sebesar 5 kali. Sistem yang terbentuk mampu mengenali citra yang berisi bentuk bercak daun yang digunakan sebagai bobot dengan nilai keakuratan optimum yaitu 73,33% dengan komposisi penyakit bercak coklat (BC) 20 %, Blast  20 % dan cercak cercospora 33,33%.

scholarly journals Implementasi Jaringan Syaraf Tiruan Backpropagation untuk Deteksi Penyakit Tuberculosis (TB) Paru dari Citra Rontgen

2017 ◽  
Vol 6 (1) ◽  
pp. 61-66
Author(s):  
Ledyva Depinta ◽  
Zulfi Abdullah
Keyword(s):  
Learning Rate ◽  
Median Filtering ◽  
Target Error ◽  
Hidden Layer

Telah dilakukan implementasi Jaringan Syaraf Tiruan (JST) Backpropagation untuk deteksi penyakit tuberculosis (TB) paru dari citra rontgen. Input yang digunakan untuk pelatihan JST adalah citra foto rontgen paru-paru yang terdiri dari TB paru dan paru-paru normal. Proses ini diawali dengan pengolahan citra yaitu cropping, resizing, median filtering, BW Labelling dan ekstraksi fitur menggunakan wavelet haar untuk melakukan pengenalan pola penyakit TB paru. Ekstraksi fitur citra foto rontgen menggunakan fitur energi dan koefisien setiap subband yang kemudian dimasukkan ke jaringan syaraf tiruan. Pengenalan pola yang dapat dilakukan oleh JST pada penelitian ini adalah pola sebaran warna hitam dan putih dari citra rontgen yang telah melewati proses wavelet haar. Parameter yang digunakan yaitu dengan 3 hidden layer, 1 output, learning rate 0,7 dan target error 1000. Hasil pengujian JST backpropagation untuk deteksi penyakit TB paru diperoleh akurasi 79,41% dalam mendeteksi keabnormalan dari citra foto rontgen paru. Kata kunci : Jaringan syaraf tiruan backpropagation, foto rontgen, TB paru

Sign in / Sign up

Export Citation Format

Share Document