应用递归神经网络学习周期运动吸引子轨迹
韩敏1
史志伟1
席剑辉2
1.大连理工大学,电子与信息工程学院,辽宁,大连,1160232.大连理工大学,电子与信息工程学院,辽宁,大连,116023;沈阳航空工业学院,自动化系,辽宁,沈阳,110034
摘要：采用递归神经网络学习非线性周期运动的吸引子轨迹.网络的拓扑结构基于非线性系统的状态空间表达式,网络权值通过时序反向传播算法调整.探讨了不同样本轨迹和网络结构对递归神经网络预测性能的影响.神经网络的性能评估建立在多条测试样本轨迹的基础上,可以更为客观地评价递归神经网络预测性能.对van derPol方程的仿真结果表明:网络的泛化能力对训练样本轨迹的依赖性较强,从不同训练轨迹上得到的递归神经网络性能差异较大;需要选择合适的递归神经网络结构参数以提高神经网络的泛化能力.
关键词：递归神经网络周期吸引子泛化能力
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(60374064)
论文发表日期：2006-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 497-502 )
英文信息