Уважаемые коллеги, доброго времени суток! Представляем вам чешское научное издание Mendel. Журнал имеет четвёртый квартиль, издается в Brno University of Technology, находится в открытом доступе, его SJR за 2020 г. равен 0,221, печатный ISSN - 1803-3814, электронный - 2571-3701, предметные области - Разработка систем управления, Искусственный интеллект, Науки о компьютерах, Принятие решений, Вычислительная математика, Теоретическая информатика. Вот так выглядит обложка:
Редактором является Радомил Матушек, контактные данные - matousek@fme.vutbr.cz, mendel.journal@gmail.com.
Это международный журнал с открытым доступом, посвященный быстрой публикации высококачественных рецензируемых исследовательских статей в областях, охватываемых эволюционными вычислениями, генетическим программированием, групповым интеллектом, нейронными сетями, глубоким обучением, нечеткой логикой, большими данными, хаосом. , байесовские методы, оптимизация, интеллектуальная обработка изображений и робототехника на основе биотехнологий.
Адрес издания - https://mendel-journal.org/index.php/mendel
Пример статьи, название - Neuro-Evolution of Continuous-Time Dynamic Process Controllers. Заголовок (Abstract) - Artificial neural networks are means which are, among several other approaches, effectively usable for modelling and control of non-linear dynamic systems. In case of modelling systems input and output signals are a-priori known, supervised learning methods can be used. But in case of controller design of dynamic systems the required (optimal) controller output is a-priori unknown, supervised learning cannot be used. In such case we only can define some criterion function, which represents the required control performance of the closed-loop system. We present a neuro-evolution design for control of a continuous-time controller of non-linear dynamic systems. The controller is represented by an MLP-type artificial neural network. The learning algorithm of the neural network is based on an evolutionary approach with genetic algorithm. An integral-type performance index representing control quality, which is based on closed-loop simulation, is minimised. The results are demonstrated on selected experiments with controller reference value changes as well as with noisy system outputs. Keywords: Continuous-Time Controller, Non-linear Dynamic System, Artificial Neural Network, Genetic Algorithm-Based Learning, Control Performance