优化DBN在BLDCM控制中应用研究

摘要：

深度信念网络(Deep Belief Networks,DBN)是由多层无监督的受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)叠加而成的递归神经网络.针对RBM固定学习率在样本训练过程中很难寻找全局最优,引入动态学习率,用来改进RBM网络以提高特征向量映射的准确度.构造一个含有两层RBM网络,将改进型控制网络应用于无刷直流电机控制系统中,实验结果表明改进的DBN能够有效加快电机响应速度,提高控制准确度.

关键词：深度信念网络、深度学习、RBM网络、AGV、BLDCM

分类号：TP29(自动化技术及设备)

在线出版日期：2018-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：11-15