Complex Optimization of a Recurrent Neural Network：展示如何使用复杂方法来优化...

该软件包包括使用递归广义神经网络对非线性动态系统进行建模的文件。 学习方案采用非线性非导数优化的复杂方法，从而避免了计算无限脉冲响应滤波器（例如循环神经网络）的导数的问题。 该软件包包括使用递归广义神经网络对非线性动态系统进行建模的文件。 学习方案采用非线性非导数优化的复杂方法，从而避免了计算无限脉冲响应滤波器（例如循环神经网络）的导数的问题。 给出的示例是负载感应液压泵的建模。 模型输出是泵流量，作为对泵压力和控制活塞压力输入的响应。 包括真实的实验数据。 有关更多详细信息，请参阅： T. Wiens、R. Burton、G. Schoenau、D. Bitner，“用于负载传感泵建模的递归广义神经网络 (RGNN)”，Bath 动力传输和运动控制研讨会，2008 年 9 月。 http://homepage.usask.ca/~tkw954/ http://blog.nutak