DRN-%272-的一种改进造型.pdfVIP

f以’ DRN2的一种改进造型 李中年田春坊 王林涛 张丹红 武汉汽车工生大学电于与信息学腱，武汉。430070 RecurrentNeural ■曩l本文对DRN2(Diagonal Networks)的造型进行了改进扩晨研究， 算法的速率． 学习算法前馈 翘谰篱Modified ontheDRN2 Modelling Li Tian Lintao Zhongnian Danhong 7_,hang Chunfang．Wang Electronics盘InformationAulomotivc College．WuhanPolytechnicUniversibWuhan。430070 AbstractThis hasstudiedand amodified onthe paper devcloped modellingDRN2(Diagonal RecurrentNeural has the error Nctworks),and designedlearningalgorithm usingprediction method．Thesimulationresultsshowthat for learning thisarchitwiththetaster algorithm learning than speedBP(BackFropagntion)learningalgorithm． Error KeywordsDRN2，Prediction Method,LearningAlgorithm，Feedforward 1．引言 众所周知．前馈多层神经网络已广泛应用在信号处理的许多方面．这些应用的一个共 同特点是用神经网络实现某些复杂的非线性的决策功能．还有许多应用场合．用前馈神经 神经网络属于静态映射．无法实现许多动态系统所需的递归功能．针对这些问题，本文研 RecurrentNeural 究了DRN2(Diagonal Networks)的一种改进模型．这是一种动态映射性 的神经网络模型，能处理时变输入或输出，十分适合于动态系统． 2．数学模型 DRN3的一种改进造型如图I所示，此图中的圆圈表示线性神经元：黑圆点表示中间 层神经元t其具有分支延时机理，带阴影线的圆表征S形神经元．图中只示意了一个中间 神经元的内部结构(其余中问神经元内部机理类同)．由于分支延时影响神经网络的稳定 ·551· 性．所以延时权重必须加以限定． 因此采用了连续可微函数来限定权 重。又因针对离散非线性系统并配 合基于预测误差原理而设计的一种 新型递归估计算法，故DRN2可改 造设计成具有单一的中间层．输入 经过中间层并传递到该层的各个 点。输出层