检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

递归神经网络在堆石坝地震响应分析中的应用

系统仿真学报 2005年第10期17卷 2533-2536,2540页

作者：韩敏史志伟大连理工大学电子与信息工程学院自动化系辽宁大连116023

针对堆石坝系统的地震响应分析问题,提出了一种递归神经网络建模方法。该神经网络模型包含内部状态神经元的反馈并具有状态空间形式。借助于该网络模型的逼近能力和动态信息存储能力,从观测的结构动态系统输入输出数据中重构原系统的输... 详细信息

针对堆石坝系统的地震响应分析问题,提出了一种递归神经网络建模方法。该神经网络模型包含内部状态神经元的反馈并具有状态空间形式。借助于该网络模型的逼近能力和动态信息存储能力,从观测的结构动态系统输入输出数据中重构原系统的输入输出特性,并对新的输入信号做出相应的预测和响应。分别对理想的有限元响应数据和实测的响应数据进行了仿真。结果表明,所提出的神经网络方法较好地学习了这两组结构系统的动态特性,并显示出较好的预测效果。

关键词：递归神经网络辨识非线性系统堆石坝

在线全文

学校读者我要写书评

暂无评论

递归神经网络的进化机器人路径规划方法

哈尔滨工程大学学报 2009年第8期30卷 898-902页

作者：宋勇李贻斌李彩虹山东大学控制科学与工程学院山东济南250061 山东大学威海分校信息工程学院山东威海264209 山东理工大学计算机科学与技术学院山东淄博255012

针对机器人递归神经网络控制器在进化优化过程中存在的问题,利用改进的进化算法对递归神经网络控制器进行优化设计,提出了一种基于递归神经网络的进化机器人路径规划算法,该算法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个... 详细信息

针对机器人递归神经网络控制器在进化优化过程中存在的问题,利用改进的进化算法对递归神经网络控制器进行优化设计,提出了一种基于递归神经网络的进化机器人路径规划算法,该算法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整.给出了算法的具体步骤,并与基于标准前馈网络的路径规划方法进行了比较.仿真结果表明递归神经网络控制器对动态未知环境具有更好的适应性.

关键词：进化机器人路径规划进化算法递归神经网络

在线全文

学校读者我要写书评

暂无评论

递归神经网络的卡尔曼滤波及分层学习算法

华南理工大学学报（自然科学版） 1998年第4期26卷 44-48页

作者：陈巍吴捷华南理工大学电力学院

将卡尔曼滤波算法引入到递归神经网络的训练当中，并针对递归神经网络、卡尔曼算法及ＢＰ算法的特点，提出了用于递归神经网络的分层学习算法，并给出了理论分析．仿真结果证明了本算法的有效性．

关键词：递归神经网络卡尔曼滤波分层学习算法

在线全文

学校读者我要写书评

暂无评论

应用递归神经网络学习周期运动吸引子轨迹

控制理论与应用 2006年第4期23卷 497-502页

作者：韩敏史志伟席剑辉大连理工大学电子与信息工程学院辽宁大连116023

采用递归神经网络学习非线性周期运动的吸引子轨迹．网络的拓扑结构基于非线性系统的状态空间表达式,网络权值通过时序反向传播算法调整．探讨了不同样本轨迹和网络结构对递归神经网络预测性能的影响．神经网络的性能评估建立在多条测... 详细信息

采用递归神经网络学习非线性周期运动的吸引子轨迹．网络的拓扑结构基于非线性系统的状态空间表达式,网络权值通过时序反向传播算法调整．探讨了不同样本轨迹和网络结构对递归神经网络预测性能的影响．神经网络的性能评估建立在多条测试样本轨迹的基础上,可以更为客观地评价递归神经网络预测性能．对van der Pol方程的仿真结果表明:网络的泛化能力对训练样本轨迹的依赖性较强,从不同训练轨迹上得到的递归神经网络性能差异较大;需要选择合适的递归神经网络结构参数以提高神经网络的泛化能力．

关键词：递归神经网络周期吸引子泛化能力

基于递归神经网络的LS-SVM硬件实现与实验研究

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2009年第8期30卷 1745-1751页

作者：刘涵叶平西安理工大学自动化与信息工程学院西安710048

在标准支持向量机(SVM)学习神经网络的基础上,将最小二乘支持向量机(LS-SVM)与递归神经网络相结合,提出一种新的最小二乘支持向量机学习神经网络。该网络直接采用Lagrange乘子进行训练,消除了标准SVM神经网络中的线性部分,可用于进行分... 详细信息

在标准支持向量机(SVM)学习神经网络的基础上,将最小二乘支持向量机(LS-SVM)与递归神经网络相结合,提出一种新的最小二乘支持向量机学习神经网络。该网络直接采用Lagrange乘子进行训练,消除了标准SVM神经网络中的线性部分,可用于进行分类和回归学习。并且其拓扑结构更适合于用简单的硬件模拟电路实现。对两种网络的稳定性进行了证明,并设计了相应的硬件电路,最后通过Simulink、Pspice仿真和硬件电路实验证明了所提出的方法是有效的。

关键词：最小二乘支持向量机递归神经网络模拟电路

在线全文

学校读者我要写书评

暂无评论

基于递归神经网络的控制力矩陀螺操纵律设计

宇航学报 2008年第6期29卷 1908-1911页

作者：魏孔明吴忠高晓颖北京航空航天大学仪器科学与光电工程学院北京100083 宇航智能控制技术国防重点实验室北京100851

利用递归神经网络对单框架控制力矩陀螺(SGCMG)系统操纵律进行动态求解,设计了一种基于递归神经网络的SGCMG系统操纵律。通过选择适当参数可以使该网络渐近收敛到稳定状态,从而使操纵律具有较小的操纵误差。该操纵律不用计算Jacobi矩阵... 详细信息

利用递归神经网络对单框架控制力矩陀螺(SGCMG)系统操纵律进行动态求解,设计了一种基于递归神经网络的SGCMG系统操纵律。通过选择适当参数可以使该网络渐近收敛到稳定状态,从而使操纵律具有较小的操纵误差。该操纵律不用计算Jacobi矩阵的伪逆,因此避免了Jacobi矩阵求逆所带来的一系列问题。对某SGC-MG系统的仿真结果表明,上述操纵律是可行的。

关键词：控制力矩陀螺递归神经网络航天器

一类具比例时滞脉冲递归神经网络的全局多项式稳定性

在线全文

学校读者我要写书评

暂无评论

电子科技大学学报 2021年第1期50卷 91-100页

作者：周立群宋协慧天津师范大学数学科学学院天津西青区300387

该文对一类具比例时滞脉冲递归神经网络给出全局多项式稳定性定义。通过引入可调参数,构造适合的Lyapunov泛函和运用线性矩阵不等式(LMI)的方法,对该系统的全局多项式稳定性进行讨论,得到了保证该系统全局多项式稳定的判定准则,且这些... 详细信息

该文对一类具比例时滞脉冲递归神经网络给出全局多项式稳定性定义。通过引入可调参数,构造适合的Lyapunov泛函和运用线性矩阵不等式(LMI)的方法,对该系统的全局多项式稳定性进行讨论,得到了保证该系统全局多项式稳定的判定准则,且这些准则以LMI的形式给出的,方便应用Matlab工具箱进行验证。该文还揭示了多项式稳定性与指数稳定性之间的关系,最后通过数值算例验证了所得准则的准确性。

关键词：脉冲效应 Lyapunov泛函比例时滞多项式稳定性递归神经网络

在线全文

学校读者我要写书评

暂无评论

基于递归神经网络的再入飞行器最优姿态控制

控制理论与应用 2021年第3期38卷 329-338页

作者：吉月辉周海亮车适行高强天津理工大学电气电子工程学院天津市复杂系统控制理论及应用重点实验室天津300384 天津市计量监督检测科学研究院天津300192

针对再入飞行器的姿态跟踪问题,基于递归神经网络提出最优跟踪控制.采用反步法和递归神经网络,设计自适应前馈控制,将再入飞行器的最优姿态跟踪问题转化为等价的姿态角误差/角速率误差最优调节问题.采用自适应动态规划技术,解决最优调... 详细信息

针对再入飞行器的姿态跟踪问题,基于递归神经网络提出最优跟踪控制.采用反步法和递归神经网络,设计自适应前馈控制,将再入飞行器的最优姿态跟踪问题转化为等价的姿态角误差/角速率误差最优调节问题.采用自适应动态规划技术,解决最优调节问题.引入神经网络估计最优控制中的代价函数,推导最优反馈控制律,同时保证Hamilton–Jacobi–Isaacs(HJI)方程估计误差最小化.采用Lyapunov理论,保证闭环系统中所有信号,包括姿态角跟踪误差是一致最终有界的.在MATLAB/Simulink中仿真验证了所提出控制策略的有效性.

关键词：再入飞行器最优控制自适应动态规划递归神经网络姿态跟踪

在线全文

学校读者我要写书评

暂无评论

基于递归神经网络的语音识别快速解码算法

电子与信息学报 2017年第4期39卷 930-937页

作者：张舸张鹏远潘接林颜永红中国科学院声学研究所语言声学与内容理解重点实验室北京100190 中国科学院大学北京100190 中国科学院新疆理化技术研究所新疆民族语音语言信息处理实验室乌鲁木齐830011

递归神经网络(Recurrent Neural Network,RNN)如今已经广泛用于自动语音识别(Automatic Speech Recognition,ASR)的声学建模。虽然其较传统的声学建模方法有很大优势,但相对较高的计算复杂度限制了这种神经网络的应用,特别是在实时应用... 详细信息

递归神经网络(Recurrent Neural Network,RNN)如今已经广泛用于自动语音识别(Automatic Speech Recognition,ASR)的声学建模。虽然其较传统的声学建模方法有很大优势,但相对较高的计算复杂度限制了这种神经网络的应用,特别是在实时应用场景中。由于递归神经网络采用的输入特征通常有较长的上下文,因此利用重叠信息来同时降低声学后验和令牌传递的时间复杂度成为可能。该文介绍了一种新的解码器结构,通过有规律抛弃存在重叠的帧来获得解码过程中的计算开销降低。特别地,这种方法可以直接用于原始的递归神经网络模型,只需对隐马尔可夫模型(Hidden Markov Model,HMM)结构做小的变动,这使得这种方法具有很高的灵活性。该文以时延神经网络为例验证了所提出的方法,证明该方法能够在精度损失相对较小的情况下取得2~4倍的加速比。

关键词：语音识别递归神经网络解码器跳帧计算