混沌对角递归神经网络的船舶横摇预报方法

• 作者: 姚丽君 徐亮 李占英 王科俊
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 对角递归神经网络 混沌 动量梯度学习算法 船舶横摇预测 前向神经网络
• 年，卷（期）: 2012,（11）
• 所属期刊栏目: 论文与报告
• 页码范围: 1681-1684,1693
• 分类号: TP183
• 语种: 中文

摘要

船舶运动在一定条件下会出现混沌特性,因此可以利用混沌神经网络对其进行预报.对传统的混沌对角递归神经网络模型各权值的训练进行优化,给出了基于Lyapunov函数的各层权所通用的学习速率调整算法的收敛定理并加以证明.仿真结果表明,采用优化采样时刻k可提高各权值的精确度,使收敛性得到改善,能有效提高预报精度和延长预报时间.与前向神经网络BP预测相对比,优化后的模型具有很好的预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王科俊	哈尔滨工程大学自动化学院	188	3114	29.0	47.0
2	徐亮		6	17	3.0	4.0
3	李占英	哈尔滨工程大学自动化学院	3	40	3.0	3.0
7	姚丽君	天津工业大学电气工程与自动化学院	1	6	1.0	1.0