基于动态RPROP算法的对角递归神经网络
在训练对角递归神经网络(Diagonal Recurrent Neural Network,DRNN)时,为了避免网络权值的学习过程发生振荡、收敛速度慢,得到更好的收敛速度和辨识精度,文章提出一种动态RPROP(resilient back-propagation,RPROP)算法可以使上次的网络连接权值改变量对本次权值改变量产生影响.并将基于该算法的对角递归神经网络用于非线性时变系统的辨识,仿真结果表明该算法可以有效提高辨识效果、网络的收敛速度和辨识精度.
动态RPROP算法、对角递归神经网络、非线性时变系统辨识
11
TP183(自动化基础理论)
2021-06-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
24-27