Passer au contenu principal
Graph
Search
fr
en
Se Connecter
Recherche
Tous
Catégories
Concepts
Cours
Séances de cours
MOOCs
Personnes
Exercices
Publications
Start-ups
Unités
Afficher tous les résultats pour
Accueil
Concept
Linearization
Applied sciences
Systems science and enginee...
Théorie générale des systèmes
Théorie du chaos
Graph Chatbot
Séances de cours associées (32)
Connectez-vous pour filtrer par séance de cours
Connectez-vous pour filtrer par séance de cours
Réinitialiser
Précédent
Page 2 sur 4
Suivant
Systèmes dynamiques : formalisme et bases
Couvre le formalisme et les bases des systèmes dynamiques, y compris les équations différentielles et les systèmes non linéaires.
Introduction au contrôle des systèmes non linéaires
Couvre l'analyse et le contrôle des systèmes non linéaires, y compris des méthodes telles que le plan de phase et la passivité.
Conception de contrôle de l'état de l'espace
Couvre la conception du contrôle de l'espace d'état, y compris le retour d'état, l'observateur et la linéarisation.
Théorie du chaos: Systèmes dynamiques discrets
Explore la théorie du chaos grâce à des systèmes dynamiques discrets et à la carte des chats d'Arnold.
Théorie des systèmes discrets
Couvre les équations de différence, les systèmes dynamiques, la linéarité et la réponse impulsionnelle dans des systèmes discrets.
Méthode de linéarisation: Exemples
Couvre la méthode de linéarisation à travers deux exemples de contrôle de processus.
Propriétés de Z-Transform
Couvre la fonction de transfert des systèmes LTI composés, des équations de différence et des propriétés Z-Transform.
Théorie du chaos : cartes chaotiques et cartes logistiques
Explore les cartes chaotiques, les points fixes, les orbites périodiques et le chaos intermittent.
Instabilité de modulation dans le guide d'onde optique
Plonge dans l'instabilité de modulation dans les guides d'ondes optiques, où la lumière à ondes continues peut se décomposer en impulsions ultracourtes.
Stabilité des points fixes
Couvre l'analyse de stabilité des points fixes dans les modèles neuronaux bidimensionnels.