• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >Convolutional Neural Networks as Asymmetric Volterra Models Based on Generalized Orthonormal Basis Functions
【24h】

Convolutional Neural Networks as Asymmetric Volterra Models Based on Generalized Orthonormal Basis Functions

机译：基于广义正交基函数的卷积神经网络作为非对称Volterra模型

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

This paper introduces a convolutional neural network (CNN) approach to derive Volterra models of dynamical systems based on generalized orthonormal basis function (GOBF)-Volterra. The approach derives the parameters of the model through a CNN and the neural network's learned weights represent the poles of a system. Simulation results show that the parameters of the system can be exactly recovered when no noise is applied. Furthermore, when noise is present, the errors in the parameters are very small for both the linear and nonlinear cases. Finally, the approach is used to identify the model of a quadcopter using data from actual flight tests. Comparisons with previous works demonstrate that CNNs can be satisfactorily used for the identification of dynamical systems.
机译：本文介绍了一种卷积神经网络（CNN）方法，用于基于广义正交正态基函数（GOBF）-Volterra导出动力学系统的Volterra模型。该方法通过CNN得出模型的参数，神经网络的学习权重代表系统的两极。仿真结果表明，在不施加噪声的情况下，可以准确地恢复系统的参数。此外，当存在噪声时，线性和非线性情况下的参数误差都非常小。最后，该方法用于使用来自实际飞行测试的数据来识别四轴飞行器的模型。与先前工作的比较表明，CNN可以令人满意地用于动力学系统的识别。

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