• 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 >Methodology of Recurrent Laguerre–Volterra Network for Modeling Nonlinear Dynamic Systems
【24h】

Methodology of Recurrent Laguerre–Volterra Network for Modeling Nonlinear Dynamic Systems

机译：循环Laguerre-Volterra网络建模非线性动力系统的方法论

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

In this paper, we have introduced a general modeling approach for dynamic nonlinear systems that utilizes a variant of the simulated annealing algorithm for training the Laguerre–Volterra network (LVN) to overcome the local minima and convergence problems and employs a pruning technique to achieve sparse LVN representations with regularization. We tested this new approach with computer simulated systems and extended it to autoregressive sparse LVN (ASLVN) model structures that are suitable for input–output modeling of nonlinear systems that exhibit transitions in dynamic states, such as the Hodgkin–Huxley (H-H) equations of neuronal firing. Application of the proposed ASLVN to the H-H equations yields a more parsimonious input–output model with improved predictive capability that is amenable to more insightful physiological/biological interpretation.
机译：在本文中，我们介绍了一种动态非线性系统的通用建模方法，该方法利用模拟退火算法的一种变体来训练Laguerre-Volterra网络（LVN）以克服局部极小值和收敛性问题，并采用修剪技术来实现稀疏具有正则化的LVN表示形式。我们用计算机仿真系统测试了这种新方法，并将其扩展到适用于表现出动态状态转换的非线性系统的输入-输出建模的自回归稀疏LVN（ASLVN）模型结构，例如Hodgkin-Huxley（HH）方程。神经元放电。拟议的ASLVN在H-H方程中的应用产生了更简约的输入-输出模型，具有改进的预测能力，适合更深刻的生理/生物学解释。

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