随机梯度相关论文
近年来,随着通信技术与计算机技术的飞速发展,传统集中式优化算法需要消耗大量的时间成本与计算资源已经不能够满足日益增长的大规......
在工业控制领域,非线性特性广泛存在于各类实际控制系统中.对具有非线性特性的控制系统的参数辨识问题是控制器设计过程中的重要环......
本文考虑两类优化问题的数值方法:最优控制问题和随机优化问题.最优控制问题在过去几十年内迅速地发展为应用和计算数学领域中的重......
近年来,深度学习作为一种新兴的信息技术广泛应用于各个领域。在某种确定的深度学习模型下,神经元连接处的参数大小决定了模型优劣......
卫星移动通信系统作为3G的重要组成部分，已经成为当前通信领域中发展非常迅速的研究方向和现代化通信强有力的手段之一。对信道的分......
多变量系统相对于单变量系统来说,具有强耦合、干扰大等特点,因此多变量系统能够更加准确完整的描述工业过程对象的特征,多变量系......
传统离散时间采样数据系统,假设输入信号更新速率和输出信号采样速率相等,这类系统简称为单率采样数据系统。然而,在许多化工过程......
传统的辨识方法—最小二乘(LS)、随机梯度(SG)类算法都是采用单新息修正技术的辨识方法。多新息辨识方法是对单新息辨识算法的推广......
非线性系统在化工过程、工业制造、通信系统和生物医药领域中广泛存在。它的参数辨识问题一直都是辨识领域的难点和热点。本文基于......
控制问题的基本为系统数学模型的确定,只有了解系统的运动模型,才能更好地理解系统的运动规律,分析系统的行为特性,设计系统的控制......
数学模型是分析系统动态特性的基础。辨识技术是建立复杂系统数学模型的有效方法之一。在实际工业生产过程中,由于控制系统日益复......
多变量系统在工业控制及应用中广泛存在,能比单变量系统更加准确描述对象的特征.多变量系统结构复杂,参数众多,其辨识问题是研究热......
深度学习已经成为人工智能领域内的一种重要技术,并且成功应用于计算机视觉、自动驾驶、物联网、智能机器人等关键领域。在深度学......
阐述了选题的目的和意义,概述了经典系统辨识方法的研究状况、模块化非线性系统辨识方法的研究状况、双率/多率系统辨识方法的研究......
学位
针对单输入单输出的Hammerstein非线性动态系统,提出了一种基于神经网络的Hammerstein非线性动态系统辨识方法.首先,利用BP神经网......
随着现代工业的发展，多率系统在自动化领域得到广泛应用，在实际工业应用领域，传统的单率采样控制系统无法满足现代工业的生产需要，这就......
深度学习是机器学习中一个新的研究方向,使其更接近机器学习最初的目标-人工智能,通过构造含有多层隐藏层的深层网络模型来学习数......
在过去的20年中，由于沿海经济的高速发展，海洋富营养化状况日益严重，赤潮发生的频率、影响规模都在不断扩大。探索赤潮的形成机理，对于......
针对传统的小波网络梯度学习算法易于陷入局部极值、收敛速度慢且对初始参数很敏感的缺点,将全局性能优越的差异进化(DE)算法和最......
针对在建立定量构效关系(QSAR)模型中,单个人工神经网络模型难以确定参数,容易产生“过拟合”;一般神经网络集成模型虽然建立过程......
期刊
考虑有色噪声干扰的Hammerstein非线性系统的辨识,通过梯度搜索原理推导了增广投影算法,简化增广投影算法和增广随机梯度辨识算法.......
