检索结果-内蒙古大学图书馆

东北大学学报（自然科学版） 2000年第6期21卷 590-593页

作者：李鸿儒顾树生邓长辉东北大学信息科学与工程学院辽宁沈阳110006 抚顺特钢公司辽宁抚顺113001

针对递归神经网络BP学习算法收敛慢的缺陷 ,通过引入递推预报误差 (RPE)学习算法 ,提出一种新的递归神经网络快速学习算法·该算法的基本原理是沿着指标函数的Gauss Newton搜索方向修正权值 ,同时不必计算二阶偏导数和进行矩阵求逆... 详细信息

针对递归神经网络BP学习算法收敛慢的缺陷 ,通过引入递推预报误差 (RPE)学习算法 ,提出一种新的递归神经网络快速学习算法·该算法的基本原理是沿着指标函数的Gauss Newton搜索方向修正权值 ,同时不必计算二阶偏导数和进行矩阵求逆运算·仿真结果表明 ,该算法比传统的递归BP学习算法具有更快的收敛速度。

关键词：递归神经网络递推预报误差非线性动态系统系统建模

来源：评论

学校读者我要写书评

暂无评论

递归神经网络在堆石坝地震响应分析中的应用

引用

系统仿真学报 2005年第10期17卷 2533-2536,2540页

作者：韩敏史志伟大连理工大学电子与信息工程学院自动化系辽宁大连116023

针对堆石坝系统的地震响应分析问题,提出了一种递归神经网络建模方法。该神经网络模型包含内部状态神经元的反馈并具有状态空间形式。借助于该网络模型的逼近能力和动态信息存储能力,从观测的结构动态系统输入输出数据中重构原系统的输... 详细信息

针对堆石坝系统的地震响应分析问题,提出了一种递归神经网络建模方法。该神经网络模型包含内部状态神经元的反馈并具有状态空间形式。借助于该网络模型的逼近能力和动态信息存储能力,从观测的结构动态系统输入输出数据中重构原系统的输入输出特性,并对新的输入信号做出相应的预测和响应。分别对理想的有限元响应数据和实测的响应数据进行了仿真。结果表明,所提出的神经网络方法较好地学习了这两组结构系统的动态特性,并显示出较好的预测效果。

关键词：递归神经网络辨识非线性系统堆石坝

来源：评论

学校读者我要写书评

暂无评论

递归神经网络的进化机器人路径规划方法

引用

哈尔滨工程大学学报 2009年第8期30卷 898-902页

作者：宋勇李贻斌李彩虹山东大学控制科学与工程学院山东济南250061 山东大学威海分校信息工程学院山东威海264209 山东理工大学计算机科学与技术学院山东淄博255012

针对机器人递归神经网络控制器在进化优化过程中存在的问题,利用改进的进化算法对递归神经网络控制器进行优化设计,提出了一种基于递归神经网络的进化机器人路径规划算法,该算法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个... 详细信息

针对机器人递归神经网络控制器在进化优化过程中存在的问题,利用改进的进化算法对递归神经网络控制器进行优化设计,提出了一种基于递归神经网络的进化机器人路径规划算法,该算法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整.给出了算法的具体步骤,并与基于标准前馈网络的路径规划方法进行了比较.仿真结果表明递归神经网络控制器对动态未知环境具有更好的适应性.

关键词：进化机器人路径规划进化算法递归神经网络

来源：评论

学校读者我要写书评

暂无评论

递归神经网络的卡尔曼滤波及分层学习算法

引用

华南理工大学学报（自然科学版） 1998年第4期26卷 44-48页

作者：陈巍吴捷华南理工大学电力学院

将卡尔曼滤波算法引入到递归神经网络的训练当中，并针对递归神经网络、卡尔曼算法及ＢＰ算法的特点，提出了用于递归神经网络的分层学习算法，并给出了理论分析．仿真结果证明了本算法的有效性．

关键词：递归神经网络卡尔曼滤波分层学习算法

来源：评论

学校读者我要写书评

暂无评论

基于互信息理论与递归神经网络的短期风速预测模型

引用

上海交通大学学报 2021年第9期55卷 1080-1086页

作者：王岩陈耀然韩兆龙周岱包艳上海交通大学船舶海洋与建筑工程学院上海200240 上海交通大学海洋工程国家重点实验室上海200240 上海交通大学水动力学教育部重点实验室上海200240

风速的波动性和随机性为风电并网造成安全隐患,提高风速预测精度对于风电系统的稳定和风能发展十分重要.提出一种基于互信息(MI)理论和递归神经网络(RNN)的短期风速预测组合新模型(MI-RNN).该模型利用MI理论选择最优的历史风速序列长度(... 详细信息

风速的波动性和随机性为风电并网造成安全隐患,提高风速预测精度对于风电系统的稳定和风能发展十分重要.提出一种基于互信息(MI)理论和递归神经网络(RNN)的短期风速预测组合新模型(MI-RNN).该模型利用MI理论选择最优的历史风速序列长度(τ),通过每τ步预测下一时间点风速的方式,将历史风速数据输入RNN中进行模型训练,并由训练后的RNN模型输出最终的风速预测结果.将MI-RNN模型应用于风电场的风速数据集中,与传统机器学习风速预测模型进行比较,以验证模型的预测精度.结果显示,MI-RNN模型的预测精度更高,预测稳定性更强,并且能够准确预测未来风向,有望应用于含空间维度的风电场的风速预测.

关键词：风速预测风能互信息理论深度学习递归神经网络风电场

来源：评论

学校读者我要写书评

暂无评论

一种基于积分增强的递归神经网络用于求解时变等式与不等式方程组

引用

海南大学学报(自然科学版) 2025年第2期 208-218页

作者：郭东生杨彦国余怡霖仓乃梦唐浩海南大学信息与通信工程学院

提出了一种新颖的基于积分增强的递归神经网络以实现对时变等式与不等式方程组的求解。首先引入一组非负松弛变量，将时变不等式组转化为矩阵方程的形式，并构造出关于误差函数的矩阵微分方程。其次通过矩阵的伪逆变换，推导出该矩阵微... 详细信息

提出了一种新颖的基于积分增强的递归神经网络以实现对时变等式与不等式方程组的求解。首先引入一组非负松弛变量，将时变不等式组转化为矩阵方程的形式，并构造出关于误差函数的矩阵微分方程。其次通过矩阵的伪逆变换，推导出该矩阵微分方程的显式解，并在此基础上加入积分增强项，以提高求解模型的抗干扰能力。最后的计算仿真结果验证了所提出的积分增强递归神经网络的有效性和优越性。

关键词：时变等式与不等式递归神经网络积分增强伪逆矩阵

来源：评论

学校读者我要写书评

暂无评论

一类具比例时滞脉冲递归神经网络的全局多项式稳定性

引用

电子科技大学学报 2021年第1期50卷 91-100页

作者：周立群宋协慧天津师范大学数学科学学院天津西青区300387

该文对一类具比例时滞脉冲递归神经网络给出全局多项式稳定性定义。通过引入可调参数,构造适合的Lyapunov泛函和运用线性矩阵不等式(LMI)的方法,对该系统的全局多项式稳定性进行讨论,得到了保证该系统全局多项式稳定的判定准则,且这些... 详细信息

该文对一类具比例时滞脉冲递归神经网络给出全局多项式稳定性定义。通过引入可调参数,构造适合的Lyapunov泛函和运用线性矩阵不等式(LMI)的方法,对该系统的全局多项式稳定性进行讨论,得到了保证该系统全局多项式稳定的判定准则,且这些准则以LMI的形式给出的,方便应用Matlab工具箱进行验证。该文还揭示了多项式稳定性与指数稳定性之间的关系,最后通过数值算例验证了所得准则的准确性。

关键词：脉冲效应 Lyapunov泛函比例时滞多项式稳定性递归神经网络

来源：评论

学校读者我要写书评

暂无评论

基于递归神经网络的化工反应过程建模

引用

高校化学工程学报 2019年第5期33卷 1186-1194页

作者：华丰田亮邱彤清华大学化学工程系北京100084 工业大数据系统与应用北京市重点实验室北京100084 中国石油兰州化工研究中心甘肃兰州730060

化工过程系统往往具有很强的非线性。针对含有大量序列数据的化工过程建模,当序列数据作为深层神经网络输入时,往往权重系数过多、训练难度增大。而递归神经网络通过在不同时间步间共享参数,更适用于对序列数据的处理。作者研究了递归... 详细信息

化工过程系统往往具有很强的非线性。针对含有大量序列数据的化工过程建模,当序列数据作为深层神经网络输入时,往往权重系数过多、训练难度增大。而递归神经网络通过在不同时间步间共享参数,更适用于对序列数据的处理。作者研究了递归神经网络在化工动力学建模中的应用,探讨了化学反应中物质浓度的时序变化,反应动力学参数回归,工业油田轻烃裂解过程模拟以及操作条件优化等3种应用场景。从预测精度和计算速度方面,验证了递归神经网络方法在化工过程建模中的优越性。

关键词：化学动力学递归神经网络过程建模深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积-递归神经网络的手绘草图识别方法

引用

计算机辅助设计与图形学学报 2018年第2期30卷 217-224页

作者：赵鹏刘杨刘慧婷姚晟安徽大学计算智能与信号处理教育部重点实验室合肥230039 安徽大学计算机科学与技术学院合肥230601

针对现有基于深度学习的手绘草图识别方法直接从整体上提取手绘草图的图像特征,而忽略了草图中笔画的顺序信息的问题,利用手绘草图的笔画顺序信息,将深度卷积神经网络与递归神经网络相结合,提出一种基于深度卷积-递归神经网络的手绘草... 详细信息

针对现有基于深度学习的手绘草图识别方法直接从整体上提取手绘草图的图像特征,而忽略了草图中笔画的顺序信息的问题,利用手绘草图的笔画顺序信息,将深度卷积神经网络与递归神经网络相结合,提出一种基于深度卷积-递归神经网络的手绘草图识别方法.首先按照绘画草图时的笔画顺序提取笔画,生成多幅子笔画草图,并形成一个笔画数依次递增的子笔画草图序列;然后采用深度卷积神经网络依次提取该序列中每一幅子笔画草图的图像特征,并将提取的图像特征按照原先子笔画草图排列的顺序进行排序,作为递归神经网络的输入;最后利用递归神经网络来构建不同图像特征间的时序关系,以提高手绘草图的识别准确率.在现有最大的手绘草图数据集TU-Berlin Sketch数据集上的实验结果表明,文中方法能有效地提升手绘草图的识别准确率.

关键词：手绘草图识别深度学习笔画顺序信息深度卷积神经网络递归神经网络

来源：评论

学校读者我要写书评

暂无评论

结合小波与递归神经网络的低分辨率人脸识别

引用

西安电子科技大学学报 2019年第6期46卷 95-101,111页

作者：欧阳宁王先傲蔡晓东林乐平桂林电子科技大学信息与通信学院

针对低分辨率人脸图像缺少有效信息而导致识别率较低的问题,提出一种结合哈尔小波与递归神经网络的低分辨率人脸识别方法。首先,通过深层网络直接预测小波系数,经过小波逆变换得到高分辨率人脸图像,可以有效地重建高频信息;其次,在卷积... 详细信息

针对低分辨率人脸图像缺少有效信息而导致识别率较低的问题,提出一种结合哈尔小波与递归神经网络的低分辨率人脸识别方法。首先,通过深层网络直接预测小波系数,经过小波逆变换得到高分辨率人脸图像,可以有效地重建高频信息;其次,在卷积神经网络中加入递归模块,在增加网络深度的同时减少参数冗余,提升模型的映射能力;最后,提出一种优化的重建与感知损失融合方法,将小波系数重建损失与感知损失进行加权融合,用以生成有利于识别的人脸图像。基于公开数据集,对图像重建质量与识别性能进行了对比。实验结果表明,即使在极低的分辨率条件下(8×8,16×16),仍然能够重建出更加锐利的人脸图像。在此基础上,其识别能力优于目前领先的超分辨率重建算法。

关键词：哈尔小波递归神经网络人脸识别融合损失超分辨率重建

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：