10.16629/j.cnki.1674-2796.2018.05.003
优化DBN在BLDCM控制中应用研究
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.
深度信念网络、深度学习、RBM网络、AGV、BLDCM
TP29(自动化技术及设备)
2018-12-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
11-15