基于贝叶斯询问技术的递归神经网络辨识
巴纳巴斯·波佐斯、安德拉斯·洛林茨; 10（18）：515−5542009年。
摘要
我们引入了新的在线贝叶斯方法来识别噪声递归神经网络（RNN）家族。我们现在给定刺激选择的贝叶斯主动学习技术过去的经历。特别地，我们考虑未知参数作为随机变量，并使用A-最优和D-最优选择最佳刺激物的原则。我们得出近视成本功能，以最大限度地获取有关每个时间步的网络参数。我们还导出了A-最优以及扰动RNN的动力系统。这里我们研究近视以及非近视估计，并研究同时性问题系统参数和噪声的估计。雇佣共轭先验导数保持近似自由，并给出为在线学习提供简单的更新规则参数。我们的方法对于选定案例的数量，包括受控任务独立成分分析。
[腹肌]
[pdf格式][围兜]
