基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
介绍一种基于梯度法的Hopfield神经网络在线求解线性矩阵方程,并且探讨其MATLAB仿真技术以验证该神经网络在求解线性矩阵方程问题时的准确性和有效性.仿真过程中用以下几种重要技术手段:①Kronecker乘积,用来将描述该神经网络的矩阵微分方程(MDE)转化为向量微分方程(VDE),即标准的给定初始值常微分方程(ODE);②MATLAB指令"ode45",用来仿真上述转化后的给定初始值常微分方程;③各种激励函数的编码实现,用以检验该神经网络系统的收敛性和存在实现误差时的鲁棒性.仿真结果同理论分析的对应与一致,进一步证实基于梯度法的Hopfield神经网络在求解固定系数线性矩阵方程中具有很好的效验.
推荐文章
基于神经网络的病态线性方程组求解
病态线性方程组
动力学方程
神经网络
优化
改进的求解非线性方程组的迭代神经网络算法
BP神经网络
非线性方程组
迭代算法
误差收敛
梯度神经网络在求解矩阵平方根中的应用
梯度神经网络
梯度下降法
矩阵平方根
MATLAB仿真
基于不同误差函数的神经网络求解线性方程组
误差函数
梯度神经网络
求解线性方程组
Matlab仿真
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 线性矩阵方程的梯度法神经网络求解及其仿真验证
来源期刊 中山大学学报(自然科学版) 学科 工学
关键词 梯度法 递归神经网络 线性矩阵方程 Kronecker乘积 MATLAB仿真
年,卷(期) 2008,(3) 所属期刊栏目
研究方向 页码范围 26-32
页数 7页 分类号 TP183|O151.21
字数 4456字 语种 中文
DOI 10.3321/j.issn:0529-6579.2008.03.007
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张雨浓 中山大学电子与通信工程系 74 496 13.0 16.0
2 蔡炳煌 中山大学电子与通信工程系 8 63 4.0 7.0
3 陈轲 中山大学电子与通信工程系 3 15 1.0 3.0
4 马伟木 中山大学电子与通信工程系 3 25 2.0 3.0
5 张禹珩 广西大学物理科学与工程技术学院 1 13 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (2)
参考文献  (6)
节点文献
引证文献  (13)
同被引文献  (44)
二级引证文献  (47)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(1)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(3)
  • 参考文献(3)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(3)
  • 引证文献(3)
  • 二级引证文献(0)
2010(4)
  • 引证文献(3)
  • 二级引证文献(1)
2011(1)
  • 引证文献(0)
  • 二级引证文献(1)
2012(6)
  • 引证文献(3)
  • 二级引证文献(3)
2013(9)
  • 引证文献(1)
  • 二级引证文献(8)
2014(8)
  • 引证文献(1)
  • 二级引证文献(7)
2015(4)
  • 引证文献(1)
  • 二级引证文献(3)
2016(9)
  • 引证文献(0)
  • 二级引证文献(9)
2017(4)
  • 引证文献(1)
  • 二级引证文献(3)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2019(7)
  • 引证文献(0)
  • 二级引证文献(7)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
梯度法
递归神经网络
线性矩阵方程
Kronecker乘积
MATLAB仿真
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中山大学学报(自然科学版)
双月刊
0529-6579
44-1241/N
大16开
广东省广州市新港西路135号
46-15
1955
chi
出版文献量(篇)
5017
总下载数(次)
6
总被引数(次)
45576
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导