导读:本文包含了动态递归神经网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,递归,动态,稳定性,观测器,弯矩,指数。
动态递归神经网络论文文献综述
朱齐丹,杨智博,鲁鹏,马宇[1]（2019）在《基于动态递归神经网络的自动着舰系统设计》一文中研究指出为解决舰载机在终端进场过程中受航母运动和舰尾流扰流等不确定性因素影响,很难实现对航迹的精确控制,容易导致舰载机复飞和着舰事故这一问题,基于动态递归神经网络设计了自适应滑模控制器,并将其应用于舰载机纵向自动着舰系统.首先该控制方法采用动态递归神经网络实现未知非线性函数的逼近,可以及时有效地处理终端进场过程中由不确定环境因素引起的偏差扰动,保证舰载机沿理想下滑道安全进场;然后通过滑模面和自适应律的设计保证了控制器的稳定性和鲁棒性.通过仿真结果证明了该设计可以实现对理想下滑道的快速精确跟踪,减小了舰载机着舰偏差,提高了控制精度,最终实现了舰载机安全进场着舰.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年09期）
沈智鹏,张晓玲,张宁,郭戈[2]（2018）在《基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制》一文中研究指出针对叁自由度全驱动船舶速度向量不可测问题,考虑船舶模型参数和外部环境扰动均未知的情况,提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法.该方法设计神经网络自适应观测器估计船舶速度向量,且利用神经网络逼近模型参数不确定项,综合考虑船舶位置和速度误差之间关系构造递归滑模面,再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律,并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号.选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.(本文来源于《控制理论与应用》期刊2018年08期）
艾红,王发[3]（2018）在《动态递归小波神经网络在回转窑故障诊断中的应用》一文中研究指出针对回转窑作为一个复杂的非线性系统而难以提取有效故障特征的问题,构造了一种动态递归小波神经网络。采用基于梯度符号变化的变学习率以及引入动量项的算法,以回转窑窑尾温度、分解炉温度、窑尾负压、窑头负压、窑头温度、烧成带温度、窑电流、筒体表面温度8个物理量,作为神经网络的8个输入节点,将小波神经网络理论较好地应用在回转窑故障诊断中。归纳了回转窑的主要故障及现象。采用动态递归小波神经网络,从输出层反馈到输入层形成关联层,以存储上一时刻的输出信息。小波神经网络在网络训练时可以有效地利用输出信号。对回转窑故障数据进行归一化处理并作为网络的输入向量,再用小波函数代替神经网络中的激励函数,以故障序列作为网络的输出向量。试验仿真结果表明,该网络具有较好的故障识别率和时间收敛性能。(本文来源于《自动化仪表》期刊2018年05期）
邱敏[4]（2018）在《一类忆阻时滞递归神经网络的动态行为分析》一文中研究指出忆阻神经网络是一种具有独特记忆性、电路可实现的神经体系结构,并且是一种新型神经网络模型,因此忆阻递归神经网络的动态分析引起了许多研究者的关注。本文的主要研究内容如下:针对一类忆阻时滞递归神经网络,研究了忆阻时滞递归神经网络平衡点的存在唯一性与全局指数稳定性。首先,利用同胚理论,证明了忆阻神经网络的平衡点的存在性与唯一性;其次,利用线性矩阵不等式与Lyapunov泛函方法,证明了忆阻时滞递归神经网络是全局指数稳定的,并且在未引入其他参数的情况下,得到了忆阻时滞递归神经网络全局指数稳定的充分条件,从而为电路的设计与实现提供了保障;最后,通过数值模拟说明了结果的有效性。针对一类忆阻时滞递归神经网络,研究了忆阻时滞递归神经网络的周期间歇控制器。通过构造适当的Lyapunov泛函,在周期间歇控制器下,证明了忆阻时滞递归神经网络的平衡点是全局指数稳定的。结果表明在未引入其他参数的情况下,控制周期,控制宽度和周期间歇控制器系数都可以由一个线性矩阵不等式确定。最后,通过数值模拟说明了结果的有效性。针对一类具有扰动和混合时滞的忆阻递归神经网络,研究了具有扰动和混合时滞的忆阻递归神经网络的周期间歇控制器设计问题。利用Lyapunov泛函、线性矩阵不等式和周期间歇控制理论,通过设计合适的控制宽度和控制周期,使得具有扰动和混合时滞的忆阻递归神经网络的平衡点在周期间歇控制下可以实现全局指数稳定性。最后,通过数值模拟说明了结果的有效性。(本文来源于《哈尔滨理工大学》期刊2018-03-01）
王宇霁,杨潇[5]（2016）在《基于动态递归神经网络的地连墙安全预测》一文中研究指出对于深基坑开挖时地连墙的安全状态做到及时掌控和预测,是基坑工程的重要内容。通过对深基坑测斜数据的地连墙弯矩反分析,得出地连墙的内力发展状况;基于动态递归神经网络基本原理,预测地连墙水平位移和内力的下一步发展趋势。据此,提出了一套掌握深基坑地连墙变形和内力安全状况,并预测以后安全走势的实用方法。研究发现,该预测方法能够在施工时,从变形和内力两个方面及时了解深基坑地连墙的安全状态,在一定程度上节省基坑监测开支。(本文来源于《路基工程》期刊2016年03期）
喻曹丰,王传礼,魏本柱,张辉[6]（2015）在《超磁致伸缩驱动精密定位平台的动态递归神经网络前馈-PD反馈控制》一文中研究指出提出了采用Jiles-Atherton磁滞模型理论和动态递归神经网络(DRNN)前馈-PD反馈控制策略来提高超磁致伸缩驱动精密定位平台的定位精度。通过Jiles-Atherton磁滞模型建立了能准确描述其磁滞非线性的数学模型;采用DRNN学习获得其逆动态模型并用于磁滞非线性补偿;利用PD闭环反馈控制补偿DRNN的映射误差和抑制扰动,从而提高超磁致伸缩驱动精密定位平台的定位精度。研究结果表明:Jiles-Atherton磁滞模型能较好地描述超磁致伸缩驱动精密定位平台的磁滞非线性特征;DRNN前馈-PD反馈控制策略能有效消除系统的非线性特性,对提高超磁致伸缩驱动精密定位平台的定位精度具有实际意义。(本文来源于《2015光学精密工程论坛论文集》期刊2015-07-10）
黄旭[7]（2015）在《MRNN:一种新的基于改进型递归神经网络的WSN动态建模方法:应用于故障检测》一文中研究指出提出了一种适用于无线传感器网络WSN的故障检测方法,该方法运用改进的递归神经网络MRNN为WSN的节点、节点的动态特性以及节点间的关系建立相关模型,对WSN节点进行识别和故障检测。MRNN的输入选择建模节点的先前输出值及其邻居节点的当前及先前输出值,模型基于一种新的改进的反向传播型神经网络,该神经网络的输入以及传感器网络的拓扑结构基于通用的非线性传感器模型。仿真实验将MRNN方法与卡尔曼滤波法进行了全面的比较。实验表明,MRNN在置信因子较小的情况下与卡尔曼滤波方法相比有较高的故障检测精度。(本文来源于《计算机工程与科学》期刊2015年04期）
陆长青[8]（2015）在《动态递归神经网络应用于打叶风分的模型构建》一文中研究指出本文分析了打叶风分系统的复杂过程,应用先进理论建立逼近真实过程的动态递归神经网络模型,阐述了系统辨识学习的偏差梯度逼近和权值delta调整方法。旨在为打叶风分系统实施神经网络控制作正模型探索。(本文来源于《云南省烟草学会2014年学术年会优秀论文集》期刊2015-03-01）
何树红,杨博,戴明爽[9]（2014）在《基于动态递归神经网络的洪水灾害损失预测》一文中研究指出对洪水灾害损失进行预测,旨在为我国巨灾保险产品的创新提供新的理论依据。神经网络自身的联想能力决定了它在预测方面有比较大的优势,特别是在处理洪水灾害损失这类动态问题上,Elman动态神经网络能很好地预测洪水灾害损失,与静态神经网络相比,预测所得结果的精度进一步提高。(本文来源于《经济师》期刊2014年05期）
刘欣萍[10]（2014）在《两类变系数脉冲时滞递归神经网络的动态行为分析》一文中研究指出递归神经网络如Hopfield神经网络、细胞神经网络、Cohen-Grossberg神经网络等,在信号和图像处理、联想记忆、模式识别、并行计算和最优化等方面具有潜在的应用.由于神经网络的动态特性如平衡点特性、稳定性、极限环及混沌等是其应用的前提,在其理论研究中也一直占据着重要的地位.但是在其信号的传递过程中时滞不可避免.时滞意味着网络模型应该与过去时刻的神经元状态有关,常常导致网络模型的不稳定,甚至可能产生周期振荡或混沌现象,并对网络模型的动态特性有很大的影响.此外,电压的突变会产生错误的电路,即出现脉冲现象,它可以影响神经网络的瞬时行为,因此研究神经网络的稳定性,同时考虑时滞和脉冲的因素是非常必要的.此外,在过去的二十年中,由于混沌系统在许多不同领域包括安全通信、化学、生物、信息科学和光学等的潜在应用,其同步化问题已经被广泛地研究了.事实上,混沌同步化是实现保密通信的关键,而且混沌保密通信由于实时性强和保密性高等优点,成为一种新型高效的保密方式.因此研究系统的同步化问题具有重要的现实意义.基于以上考虑,本文深入分析了两类时滞递归神经网络的动态行为,主要工作如下：1.研究了一类变时滞脉冲递归神经网络的周期解的全局指数稳定性.通过构造恰当的Lyapunov泛函,并结合线性矩阵不等式方法,得到了确保此网络全局指数稳定的充分条件.所得结果推广了已有结果,降低了系统的保守性.由于这些条件用线性矩阵不等式表示,所以易于在Matlab软件LMI工具箱中实现.数值模拟验证了所得结论的正确性及所给条件的易检验性.2.研究了一类变系数时滞脉冲递归神经网络的指数同步化.由于系统的连接权依赖于神经元的状态,应用集值映射和微分包含理论,通过构造Lyapunov函数同时利用代数不等式技巧,给出了保证该网络指数同步化的充分条件.数值模拟验证了所得到的结论的正确性及所给条件的易检验性.(本文来源于《陕西师范大学》期刊2014-05-01）
动态递归神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对叁自由度全驱动船舶速度向量不可测问题,考虑船舶模型参数和外部环境扰动均未知的情况,提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法.该方法设计神经网络自适应观测器估计船舶速度向量,且利用神经网络逼近模型参数不确定项,综合考虑船舶位置和速度误差之间关系构造递归滑模面,再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律,并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号.选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态递归神经网络论文参考文献
[1].朱齐丹,杨智博,鲁鹏,马宇.基于动态递归神经网络的自动着舰系统设计[J].华中科技大学学报(自然科学版).2019
[2].沈智鹏,张晓玲,张宁,郭戈.基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制[J].控制理论与应用.2018
[3].艾红,王发.动态递归小波神经网络在回转窑故障诊断中的应用[J].自动化仪表.2018
[4].邱敏.一类忆阻时滞递归神经网络的动态行为分析[D].哈尔滨理工大学.2018
[5].王宇霁,杨潇.基于动态递归神经网络的地连墙安全预测[J].路基工程.2016
[6].喻曹丰,王传礼,魏本柱,张辉.超磁致伸缩驱动精密定位平台的动态递归神经网络前馈-PD反馈控制[C].2015光学精密工程论坛论文集.2015
[7].黄旭.MRNN:一种新的基于改进型递归神经网络的WSN动态建模方法:应用于故障检测[J].计算机工程与科学.2015
[8].陆长青.动态递归神经网络应用于打叶风分的模型构建[C].云南省烟草学会2014年学术年会优秀论文集.2015
[9].何树红,杨博,戴明爽.基于动态递归神经网络的洪水灾害损失预测[J].经济师.2014
[10].刘欣萍.两类变系数脉冲时滞递归神经网络的动态行为分析[D].陕西师范大学.2014
论文知识图
