APP下载

神经网络的非脆弱状态估计

2016-10-31杨帆董宏丽李佳慧安杏杏邵晓光

指挥与控制学报 2016年3期
关键词:系统

杨帆 董宏丽 李佳慧 安杏杏 邵晓光

几十年来,由于其自适应学习和逼近非线性函数的能力,递归神经网络(RNNs)已经成为研究焦点.到目前为止,各种递归神经网络的结构以及学习方案已经被用于分类、模式识别、回归和优化问题及许多实际应用领域,如系统的识别和控制,轨迹预测,决策和医疗诊断[1−2].另一方面,由于电子神经网络中放大器的有限开关速度和其他原因,通常使信号传输时产生时滞是不可避免的.如果没有适当的考虑,时滞将会引起系统振荡甚至不稳定.在过去的十年里,对于各种神经网络和其他网络时滞现象在动力学分析问题中得到了大量的研究关注[3−9].

对于神经网络的成功应用,往往是先了解可用于优化或控制的神经元状态的实际信息.然而,由于资源物理上可利用的限制,通常只有部分神经元状态信息可通过网络输出,尤其是大规模神经网络.因此,当务之急是通过可用的网络输出尽可能准确地估计神经元状态[10],由此产生的神经网络状态估计问题在过去的几十年中已经引起了广泛兴趣,已经有大量文章发表[11−16].例如文献[17]中设计的状态估计器是针对带有马尔可夫跳参数和时变时滞的离散神经网络.

在控制器/估计器应用过程中,通常情况下由于各种原因,例如数值舍入误差、计算机的有限字长和模数转换精度,实际执行的参数与期望的会略有不同.众所周知,即使是估计器的漂移、滤波器/控……

登录APP查看全文

猜你喜欢

系统
Smartflower POP 一体式光伏系统
WJ-700无人机系统
ZC系列无人机遥感系统
基于PowerPC+FPGA显示系统
基于UG的发射箱自动化虚拟装配系统开发
半沸制皂系统(下)
FAO系统特有功能分析及互联互通探讨
连通与提升系统的最后一块拼图 Audiolab 傲立 M-DAC mini
PLC在多段调速系统中的应用
1-Bit人机交互系统