应用递归神经网络学习周期运动吸引子轨迹

• 作者: 史志伟 席剑辉 韩敏
• 来源期刊: 控制理论与应用
• 学科: 工学
• 关键词: 递归神经网络 周期吸引子 泛化能力
• 年，卷（期）: 2006,（4）
• 所属期刊栏目: 论文
• 页码范围: 497-502
• 页数: 6页
• 分类号: TP183
• 字数: 5115字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-8152.2006.04.001

摘要

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 derPol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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史志伟	大连理工大学电子与信息工程学院	8	210	5.0	8.0
2	韩敏	大连理工大学电子与信息工程学院	200	2311	23.0	33.0
3	席剑辉	大连理工大学电子与信息工程学院	46	218	8.0	13.0