• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE transactions on industrial informatics >A Parameter-Changing and Complex-Valued Zeroing Neural-Network for Finding Solution of Time-Varying Complex Linear Matrix Equations in Finite Time
【24h】

A Parameter-Changing and Complex-Valued Zeroing Neural-Network for Finding Solution of Time-Varying Complex Linear Matrix Equations in Finite Time

机译：用于在有限时间内找到时变复数线性矩阵方程的解决方案的参数改变和复合值归零神经网络

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

For solving complex-valued linear matrix equations with time-varying coefficients (CV-LME-TVC) in the complex field, this article proposes a parameter-changing and complex-valued zeroing neural network (PC-CVZNN) model through integrating a new parameter-changing function. As compared to previous complex-valued zeroing neural networks (CVZNNs) with fixed parameters and existing parameter-changing functions, the PC-CVZNN model can achieve superior performance due to the accelerated role of the new parameter-changing function. In parts of theoretical analysis, we take advantage of Lyapunov methodology to prove that the proposed PC-CVZNN model can acquire the global and super-exponential convergence when the linear activation function is adopted, and even acquire super finite-time convergence when the new sign-bi-power activation function and its modified one are used. In parts of numerical comparison experiments, it is shown that the PC-CVZNN model possesses faster convergence rate than fixed-parameter CVZNN models and other analogy neural networks with parameter-changing function, when applied to finding the solution of CV-LME-TVC. Importantly, an application of the proposed method to the mobile manipulator control provides the potential practical value of the PC-CVZNN model in the industrial field.
机译：为了在复杂字段中具有时变系数（CV-LME-TVC）来求解复值的线性矩阵方程，本文通过集成新参数提出了参数改变和复值归零神经网络（PC-CVZNN）模型 - 加速功能。与先前的复合值归零神经网络（CVZNNS）相比，具有固定参数和现有的参数更改功能，PC-CVZNN模型可能由于新参数改变功能的加速作用而实现了卓越的性能。在理论分析的部分中，我们利用Lyapunov方法来证明所提出的PC-CVZNN模型可以在采用线性激活功能时获取全局和超级指数融合，甚至在新标志时获取超级有限时间融合 - 使用-bi-power激活功能及其修改的。在数值比较实验的部分中，显示PC-CVZNN模型的收敛速度比固定参数CVZNN模型和具有参数变化功能的其他类比神经网络，当应用于CV-LME-TVC的解决方案时。重要的是，将所提出的方法应用于移动操纵器控制的应用提供了工业领域PC-CVZNN模型的潜在实用价值。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

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