Interpretable PID parameter tuning for control engineering using general dynamic neural networks: An extensive comparison

  • Johannes Günther
  • , Elias Reichensdörfer
  • , Patrick M. Pilarski
  • , Klaus Diepold

Publikation: Beitrag in Fachzeitschrift › Artikel › Begutachtung

17 Zitate (Scopus)

Fingerprint

Untersuchen Sie die Forschungsthemen von „Interpretable PID parameter tuning for control engineering using general dynamic neural networks: An extensive comparison“. Zusammen bilden sie einen einzigartigen Fingerprint.

Keyphrases

Chemical Engineering