改进的Elman模型与递归反传控制神经网络

作     者：时小虎 梁艳春 徐旭 

作者机构：吉林大学计算机科学与技术学院国家教育部符号计算与知识工程重点实验室吉林长春130012 吉林大学数学学院吉林长春130012 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2003年第14卷第6期

页      面：1110-1119页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金 

主　　题：递归反传控制 神经网络 反馈 李雅普诺夫稳定性 改进 超声马达 

摘      要：在Elman网络的基础上提出了两种改进网络:输出-输入反馈Elman网络和输出-隐层反馈Elman网络模型,并以前者作为误差反传的通道,建立了递归反向传播控制神经网络模型.在Lyapunov稳定性意义下分别给出了改进网络的稳定性证明,得到了保证网络稳定收敛的最佳自适应学习速率.分别用Elman网络及其改进网络对超声马达进行了模拟.利用改进的Elman网络模型,除了可以较好地模拟马达速度以外,还得到了一些有意义的结果,据此可以根据现场数据采样的情况,选用不同的网络模型.模拟实验结果表明,递归反向传播控制神经网络对多种形式的超声马达参考速度都有很好的控制效果.