×
小林;张永生;戴建华;陈，柯;杨，宋;李维平;廖伯林;丁磊;李继春

一种用于含时矩阵反演的新的噪声容限和预定义时间ZNN模型。 （英语） Zbl 1450.65031号

神经网络。 117124-134（2019）.
小结：在这项工作中，提出并引入了一种使用多功能激活函数（VAF）的新型归零神经网络（ZNN），用于求解含时矩阵反演。与现有的ZNN模型不同，该模型不仅在预定的有限时间内收敛到零，而且在求解含时矩阵求逆时还可以容忍多种噪声，因此称为新的噪声容忍ZNN（NNTZNN）模型。此外，对该模型的收敛性和鲁棒性进行了详细的数学分析。使用两个不同维度的比较数值模拟来测试NNTZNN模型相对于使用其他激活函数的先前ZNN模型的效率和优越性。此外，给出了两个实际应用示例（即移动机械手和真实的Kinova（text{JACO}^2）机器人机械手），以验证NNTZNN模型在噪声环境中的适用性和物理可行性。仿真和实验结果都证明了NNTZNN模型的有效性和抗噪能力。

引用于13文件

MSC公司：

65平方英尺 线性系统和矩阵反演的直接数值方法
65日元10 特定类别建筑的数值算法
65升09 常微分方程反问题的数值解法

关键词：

归零神经网络;循环神经网络;含时矩阵反演;噪声容限;有限时间收敛
PDF格式BibTeX公司 XML格式引用
\textit{L.Xiao}等人，神经网络。117124-134（2019年；Zbl 1450.65031）
全文： 内政部 链接

参考文献：

[1] Coban，R.，用于动态系统识别的上下文分层局部递归神经网络，《人工智能的工程应用》，26，241-250（2013）
[2] 丁·F。；Chen，T.，求解一类矩阵方程的基于梯度的迭代算法，IEEE自动控制汇刊，50，1216-1221（2005）·Zbl 1365.65083号
[3] 郭，D。；聂，Z。；Yan，L.，用于时变矩阵反演的新型离散时间Zhang神经网络，IEEE系统事务，人与控制论系统，482301-2310（2017）
[4] Jin，L。；李，S。；Hu，B.，动态矩阵反演的RNN模型：控制理论视角，IEEE工业信息学汇刊，14，1，189-199（2018）
[5] Jin，L.等人。；李，S。；Liao，B。；Zhang，Y.，Zeroing神经网络：一项调查，神经计算，267，597-604（2017）
[6] Jin，L。；Li，S.，带噪声冗余机器人操作器分布式网络中的协同运动生成，IEEE系统汇刊，人与控制论系统，99，1-10（2017）
[7] Jin，L。；Zhang，Y。；Li，S.，在各种噪声存在下用于实时矩阵反演的集成增强Zhang神经网络，IEEE神经网络学习系统汇刊，272615-2627（2016）
[8] Li，W.，求解时变线性矩阵方程具有明确定义收敛时间的递归神经网络，IEEE工业信息学报，14，12，5289-5298（2018）
[9] 李，S。；Li，Y.，用于求解时变复杂Sylvester方程的非线性激活神经网络，IEEE控制论汇刊，441397-1407（2017）
[10] 李，S。；李毅。；Wang，Z.，求解二次规划问题的一类有限时间对偶神经网络及其k-winners-take-all应用，神经网络，39，27-39（2013）·Zbl 1338.90291号
[11] 李伟（Li，W.）。；Liao，B。；肖，L。；Lu，R.，一种具有预定义时间收敛性和改进噪声容忍度的递归神经网络，用于动态矩阵平方根查找，神经计算，337262-273（2019）
[12] 李，S。；Wang，H。；Rafique，M.U.，一种用于机械手控制的新型递归神经网络，具有改进的噪声容限，IEEE神经网络学习系统汇刊，291908-1918（2018）
[13] 刘，L。；刘，Y.-J。；Tong，S.，切换非线性系统的基于模糊的多误差约束控制及其应用，IEEE模糊系统汇刊（2018），（正在出版）
[14] 吕，X。；肖，L。；Tan，Z.，改进的Zhang神经网络，用于求解时变线性方程组，信息处理快报，147，88-93（2019）·Zbl 1473.65055号
[15] Lv，X.，Wsbp函数激活了Zhang动力学，并将有限时间收敛应用于Lyapunov方程，神经计算，314，310-315（2018）
[16] 马尼瓦南，R。；R·武士。；曹，J。；Alsadei，A。；Alsaadi，F.E.，具有时变延迟信号的广义神经网络的全局指数稳定性和耗散性，神经网络，87，149-159（2017）·Zbl 1434.34065号
[17] 马修斯，J.H。；Fink，K.D.，使用MATLAB的数值方法（2004年），Pretice Hall：新泽西州Pretice Holl
[18] Mishra，J.P。；Li，C。；Yu，X.，二阶系统非奇异控制设计的固定时间收敛终端曲面，IFAC，50，5139-5143（2017）
[19] Polyakov，A.，线性控制系统定时稳定的非线性反馈设计，IEEE自动控制汇刊，572106-2110（2012）·Zbl 1369.93128号
[20] Prabhu，H。；罗德里格斯，J。；Edfors，O。；Rusek，F.，超大型MIMO的近似矩阵逆计算及其在线性预编码系统中的应用，（IEEE无线通信网（2013），2710-2715）
[21] 秦，S。；勒，X。；Wang，J.，双层二次规划的神经动力学优化方法，IEEE神经网络学习系统汇刊，28，11，2580-2591（2017）
[22] 拉杰本巴赫，H。；Fainman，Y。；Lee，S.H.，矩阵反演迭代算法的光学实现，应用光学，261024-1031（1987）
[23] 项，Q。；Liao，B。；肖，L。；Jin，L.，一种用于含时伪逆矩阵的容错Z型神经网络，Optik，165，16-28（2018）
[24] Xiao，L.，在线求解时变线性复矩阵方程的有限时间收敛神经动力学，神经计算，167，254-259（2015）
[25] Xiao，L.，为加速Zhang神经网络开发的新设计公式及其在时变矩阵反演中的应用，理论计算机科学，647，50-58（2016）·Zbl 1350.68117号
[26] Xiao，L.，非平稳系数等式约束二次优化的非线性激活神经动力学模型及其有限时间解，应用软计算，40，252-259（2016）
[27] Xiao，L.，有限时间内求解动态非线性方程的鲁棒非线性神经动力学设计与分析，非线性动力学，96，4，2437-2447（2019）·兹比尔1468.93132
[28] Xiao，L.，有限时间收敛的Zhang神经网络及其在实时矩阵平方根求取中的应用，神经计算机应用，31，2，793-800（2019）
[29] 肖，L。；李，S。；杨，J。；Zhang，Z.，一种用于动态二次型极小化的新型容错有限时间收敛递归神经网络，神经计算，285125-132（2018）
[30] 萧，L。；Liao，B。；李，S。；Chen，Ke，用于一般时变线性矩阵方程有限时间解的非线性递归神经网络，神经网络，98，102-113（2018）·Zbl 1441.93265号
[31] 肖，L。；Liao，B.，应用于非平稳Lyapunov方程实时求解和轮式移动机械手跟踪控制的FTZNN设计与分析，IEEE工业信息学报，14，1，98-105（2018）
[32] 肖，L。；Zhang，Y.，Zhang用于求解时变线性不等式的神经网络与梯度神经网络，IEEE神经网络汇刊，22，10，1676-1684（2011）
[33] 肖，L。；Zhang，Y.，从不同的Zhang函数到各种ZNN模型，加速时变线性矩阵方程的有限时间收敛，《神经处理快报》，39，3，309-326（2014）
[34] 肖，L。；Zhang，Y.，移动机械手重复运动的新性能指标，IEEE控制论汇刊，44，2，280-292（2014）
[35] 肖，L。；张，Z。；Li，S.，用有限时间递归神经网络求解非线性方程的时变系统，并应用于机器人操作器的运动跟踪，IEEE系统汇刊，人类与控制论系统（2018），（出版中）
[36] 肖，L。；Zhang，Z.，用于计算动态Sylvester方程的新型递归神经网络的设计、验证和机器人应用，神经网络，207，220-230（2018）
[37] Xiao，L.，有限时间收敛与噪声抑制的协同设计：具有机器人应用的时变线性方程的统一神经模型，IEEE系统汇刊，人类与控制论系统（2018），（出版中）
[38] 肖，L.，一种新型递归神经网络及其时变复矩阵反演的有限时间解，神经计算，331483-492（2019）
[39] Xiao，L.，控制设计的归零神经动力学：稳定性、鲁棒性和收敛速度的综合分析，IEEE工业信息学报，15，5，2605-2616（2019）
[40] 张，Z。；Fu，T.，用于解决冗余机器人机械手关节角驱动问题的变参数收敛微分神经网络，IEEE/ASME机电学报，23，2，679-689（2018）
[41] Zhang，Y。；Ge，S.S.，时变矩阵反演通用递归神经网络模型的设计与分析，IEEE神经网络汇刊，16，1477-1490（2005）
[42] Zhang，Y。；李，F。；Yang，Y.，不同张函数导致不同张动力学模型，通过时变互易求解进行说明，应用数学建模，36，4502-4511（2012）·Zbl 1252.65222号
[43] 张，Z。；Li，Z.，应用于仿人机器人的时变约束基于神经动力学方法的双臂CMG方案，IEEE神经网络学习系统汇刊，26，12，3251-3262（2015）
[44] 张，Z。；Lu，Y.，一种求解线性等式约束的时变凸QP问题的新变参数收敛微分神经网络，IEEE自动控制学报，63，12，4110-4125（2018）·兹比尔1423.90170
[45] Zhang，Y。；马伟（Ma，W.）。；蔡，B.，《从张神经网络到矩阵反演的牛顿迭代法》，IEEE电路与系统学报I：基础理论与应用，561405-1415（2009）·Zbl 1468.65026号
[46] Zhang，Y。；马伟（Ma，W.）。；Yi，C.，矩阵反演的牛顿迭代法和ZNN神经网络之间的联系，（IEEE国际工业技术会议（2008）），1-6
[47] 张，Z。；严，Z。；Fu，T.，用有限时间函数激活变参数RNN来解决冗余机器人机械手的联合漂移问题，IEEE工业信息学报，14，12，5359-5367（2018）
[48] Zhang，Y。；Yi，C。；Ma，W.，用于在线时变矩阵反演的Zhang神经网络的仿真与验证，仿真与建模实践与理论，17，1603-1617（2009）
[49] 张，Z。；Zheng，L.，用于在线求解时变Sylvester方程的新型变参数递归神经网络，IEEE控制论汇刊，48，11，3135-3148（2018）
[50] 朱，D。；李，B。；Liang，Z.关于大规模MIMO系统中基于neumann级数的矩阵反演近似，（Proc.IEEE int.commun.（2015）），1763-1769
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。