• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Frontiers in Neurorobotics >An Improved Recurrent Neural Network for Complex-Valued Systems of Linear Equation and Its Application to Robotic Motion Tracking
【2h】

An Improved Recurrent Neural Network for Complex-Valued Systems of Linear Equation and Its Application to Robotic Motion Tracking

机译：线性方程复数值系统的改进递归神经网络及其在机器人运动跟踪中的应用

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

To obtain the online solution of complex-valued systems of linear equation in complex domain with higher precision and higher convergence rate, a new neural network based on Zhang neural network (ZNN) is investigated in this paper. First, this new neural network for complex-valued systems of linear equation in complex domain is proposed and theoretically proved to be convergent within finite time. Then, the illustrative results show that the new neural network model has the higher precision and the higher convergence rate, as compared with the gradient neural network (GNN) model and the ZNN model. Finally, the application for controlling the robot using the proposed method for the complex-valued systems of linear equation is realized, and the simulation results verify the effectiveness and superiorness of the new neural network for the complex-valued systems of linear equation.
机译：为了以更高的精度和更高的收敛性获得复杂域线性方程组的多值系统的在线解，本文研究了一种基于张神经网络（ZNN）的新型神经网络。首先，提出了一种新的神经网络，用于复杂域线性方程组的复值系统，并在理论上证明了它在有限时间内收敛。然后，说明性结果表明，与梯度神经网络模型和ZNN模型相比，新的神经网络模型具有更高的精度和更高的收敛速度。最后，实现了该方法在线性方程组复数值系统控制机器人中的应用，仿真结果验证了新型神经网络在线性方程组复数值系统中的有效性和优越性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号