A Novel Stable Locally Recurrent Neural Network with Pole Assignment Projection Approach
Jian Sun, Yi Chai, Huafeng Li, Zhiqin Zhu · Acta Automatica Sinica · 2012
摘要: 针对局部全局前馈递归动态神经网络的稳定性问题提出了一种新的采用极点配置稳定方法的局部递归全局前馈(Locally recurrent global forward, LRGF)神经网络. 由于动态神经元的极点有存在于实轴上和一对共轭复数极点两种情况, 为了避免神经元无限脉冲响应滤波器(Infinite impulse response filter, IIR)的系数投影到稳定区域的复杂性, 构造的神经网络将动态神经元分成实数极点IIR和共轭复数极点IIR两部分, 通过函数权值的方法将这两部分加权输出.同时针对这种新的神经网络采用了梯度下降的学习算法. 通过仿真对本文提出的神经网络的可靠性和有效性进行验证,并分析这种新的神经网络在稳定投影计算上的复杂度. 关键词: 动态神经网络 / 局部递归全局前馈神经网络 / 极点配置 / 稳定性投影