1) multilayer recurrent neural network
![点击朗读](/dictall/images/read.gif)
多层递归神经网络
1.
The multilayer recurrent neural network and new dynamic back propagation (DBP) algorithm are used to approximate the unknown nonlinear input output relationship.
提出一种基于多层递归神经网络的自适应控制离散时间系统的方法。
2) Two-layer Recurrent NN
![点击朗读](/dictall/images/read.gif)
双层递归神经网络
3) recurrent neural network
![点击朗读](/dictall/images/read.gif)
递归神经网络
1.
Safety monitoring model of Lijiaxia Arch Dam based on recurrent neural network with bias elements;
基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型
2.
Combination prediction model of network traffic based on recurrent neural networks;
![点击朗读](/dictall/images/read.gif)
基于递归神经网络的网络流量组合预测模型
3.
Dynamic compensation of accelerometer based on recurrent neural network;
![点击朗读](/dictall/images/read.gif)
基于递归神经网络的加速度传感器动态特性补偿
4) self-recurrent neural network
![点击朗读](/dictall/images/read.gif)
自递归神经网络
1.
Prediction of structural reponses by self-recurrent neural network;
![点击朗读](/dictall/images/read.gif)
自递归神经网络预测结构响应
5) recurrent neural networks
![点击朗读](/dictall/images/read.gif)
递归神经网络
1.
Application of recurrent neural networks prediction in inventory management decision;
![点击朗读](/dictall/images/read.gif)
递归神经网络预测在库存管理决策中的应用
2.
The existence of periodic solutions for recurrent neural networks with time-varying delays;
一类变延时递归神经网络周期解的存在性
3.
New approach for robust stability analysis of delayed recurrent neural networks
![点击朗读](/dictall/images/read.gif)
新的时滞递归神经网络鲁棒稳定性分析方法
6) Elman Recurrent Neural Network(Elman RNN)
![点击朗读](/dictall/images/read.gif)
Elman递归神经网络
补充资料:多层递阶控制结构
大系统按控制的功能及决策的性质划分的一种层次结构(见大系统结构)。多层递阶控制结构主要用于解决复杂的决策问题。
大系统(见大系统理论)处于不确定的环境中,在决策时为了克服不确定性的影响,需要较长时间积累资料和经验,但是决策的制定和执行却要求及时而迅速,否则控制就不能适应环境变化。为了解决这种矛盾可采用多层控制结构。多层控制结构就是将复杂决策问题分解为子决策问题的序列。每个子决策问题有一个解,就是该决策单元的输出,同时也是下一决策单元的输入。根据这个输入,再确定下一决策单元中的参数,从而确定下一决策单元的输出。如此一层一层下去,形成决策层的递阶(见图)。
第Ⅰ层是直接控制层,包括各种调节器和控制装置,具有一般控制系统的功能。它执行来自第Ⅱ层的决策命令,直接对被控过程或对象发出控制作用u,使过程的输出y在T1期间内达到期望目标值yd,克服快扰动V1的影响。第Ⅱ层是最优化层。在决定这一层的数学模型时,只考虑对性能指标影响最严重的特定扰动V2,但数学模型的参数仍由第Ⅲ层供给的环境参数θ来确定。此层在T2≥T1期间内,根据确定了的数学模型计算出yd值,供给第Ⅰ层作为最优控制参数的设定值,实现动态最优化,克服较快扰动的影响。这一层因为能作出最优性能的决策,所以功能水平高于第Ⅰ层。第Ⅲ层是自适应层,它能根据环境条件的变化,经过较长时间T2积累资料,最终确定一组新的环境参数值θ,供给最优化层,供修正其目标函数、约束条件和数学模型的参数用。这一层具有适应不确定的环境变化的能力,适应较慢扰动变化,保持系统最优运行状态,所以功能水平更高。如果还需要根据大系统的总任务、总目标考虑结构的功能来决定最优策略,以调整各层工作,克服慢扰动的影响,则增加第Ⅳ层,即自组织层。一般可根据大系统控制的功能和决策的性质确定决策层次。
大系统(见大系统理论)处于不确定的环境中,在决策时为了克服不确定性的影响,需要较长时间积累资料和经验,但是决策的制定和执行却要求及时而迅速,否则控制就不能适应环境变化。为了解决这种矛盾可采用多层控制结构。多层控制结构就是将复杂决策问题分解为子决策问题的序列。每个子决策问题有一个解,就是该决策单元的输出,同时也是下一决策单元的输入。根据这个输入,再确定下一决策单元中的参数,从而确定下一决策单元的输出。如此一层一层下去,形成决策层的递阶(见图)。
第Ⅰ层是直接控制层,包括各种调节器和控制装置,具有一般控制系统的功能。它执行来自第Ⅱ层的决策命令,直接对被控过程或对象发出控制作用u,使过程的输出y在T1期间内达到期望目标值yd,克服快扰动V1的影响。第Ⅱ层是最优化层。在决定这一层的数学模型时,只考虑对性能指标影响最严重的特定扰动V2,但数学模型的参数仍由第Ⅲ层供给的环境参数θ来确定。此层在T2≥T1期间内,根据确定了的数学模型计算出yd值,供给第Ⅰ层作为最优控制参数的设定值,实现动态最优化,克服较快扰动的影响。这一层因为能作出最优性能的决策,所以功能水平高于第Ⅰ层。第Ⅲ层是自适应层,它能根据环境条件的变化,经过较长时间T2积累资料,最终确定一组新的环境参数值θ,供给最优化层,供修正其目标函数、约束条件和数学模型的参数用。这一层具有适应不确定的环境变化的能力,适应较慢扰动变化,保持系统最优运行状态,所以功能水平更高。如果还需要根据大系统的总任务、总目标考虑结构的功能来决定最优策略,以调整各层工作,克服慢扰动的影响,则增加第Ⅳ层,即自组织层。一般可根据大系统控制的功能和决策的性质确定决策层次。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条