基于混合学习算法的水下机器人神经网络辨识

• 作者: 冯占国 孙玉山 张磊 李晔 王建国
• 来源期刊: 船舶工程
• 学科: 工学
• 关键词: 水下机器人 系统辨识 神经网络 遗传算法 误差反传算法
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 网络和信息技术
• 页码范围: 59-62
• 页数: 4页
• 分类号: TP1242
• 字数: 3370字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-6982.2009.04.017

摘要

借鉴Elman和Jordan神经网络的特点,构造了一种新的动态神经网络.该网络能对隐含层的历史进行状态记忆,实时调整过去的信号对现在值的影响,并且增加了输出层节点的反馈以增强神经网络的信号处理能力.将基于遗传算法(GA)和误差反传算法(BP)的混合学习算法用于神经网络权值的修改,既可提高收敛速度又能避免陷于局部极小值.最后,将改进的神经网络应用于水下机器人动力学模型辨识,仿真结果表明,基于混合学习算法的神经网络提高了学习的收敛速度和辨识精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张磊	哈尔滨工程大学水下智能机器人技术国防科技重点实验室	159	1265	17.0	29.0
2	王建国	哈尔滨工程大学水下智能机器人技术国防科技重点实验室	14	120	6.0	10.0
3	孙玉山	哈尔滨工程大学水下智能机器人技术国防科技重点实验室	46	757	12.0	27.0
4	李晔	哈尔滨工程大学水下智能机器人技术国防科技重点实验室	65	902	17.0	28.0
5	冯占国	哈尔滨工程大学水下智能机器人技术国防科技重点实验室	2	27	2.0	2.0