导读:本文包含了递归神经网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:递归,神经网络,门控,永磁,单元,深度,卷积。
递归神经网络论文文献综述
程慧涛,王珊珊,柯子文,贾森,程静[1]（2019）在《基于深度递归级联卷积神经网络的并行磁共振成像方法》一文中研究指出快速磁共振成像是磁共振研究领域重要的课题之一.随着大数据和深度学习的兴起,神经网络成为快速磁共振技术的重要方法.然而网络性能表现和网络参数量之间较难取得平衡,且对于多通道数据重建的并行成像问题,相关研究较少.本文构建了一种深度递归级联卷积神经网络结构,用于处理并行成像问题.这种网络结构在减少网络参数量的同时,能够尽可能地提高网络的表达能力,提高网络重建的精确度.实验结果表明,相较于传统并行成像方法,通过训练好的神经网络对欠采样磁共振数据进行重建,可以得到更准确的重建结果,且重建时间大大缩短.(本文来源于《波谱学杂志》期刊2019年04期）
艾合麦提·麦麦提阿吉,李洪利[2]（2019）在《含分布时滞递归神经网络的一般衰减同步》一文中研究指出对具有分布时滞的递归神经网络模型进行了研究,并通过构造适当的Lyapunov-Krasovskii函数和非线性控制函数,采用不等式估计方法,得到了所研究模型一般衰减同步的充分条件.最后给出了一个例子,进一步说明了所得结论的正确性.(本文来源于《应用数学和力学》期刊2019年11期）
刘松,彭勇,邵毅明,宋乾坤[3]（2019）在《基于门控递归单元神经网络的高速公路行程时间预测》一文中研究指出为了更高效地预测高速公路行程时间,以高速公路行程时间为研究对象,通过采集车辆在高速公路进出口收费站的刷卡数据获取行程时间,利用门控递归单元神经网络对行程时间进行预测.按照所设计的预测流程,利用广州市机场高速南线高速公路收费数据进行验证,结果显示,预测拟合效果较好,并与LSTM神经网路和BP神经网络进行了对比分析.结果表明:门控递归单元神经网络具有更好的预测准确度.(本文来源于《应用数学和力学》期刊2019年11期）
喻昕,胡悦,马崇,伍灵贞,汪炎林[4]（2019）在《递归神经网络方法解决非光滑伪凸优化问题》一文中研究指出针对目标函数为非光滑伪凸函数且带有等式约束和不等式约束的优化问题,基于罚函数以及微分包含的思想,构建一个层次仅为一层且不包含惩罚算子的新型递归神经网络模型。该模型不用提前计算惩罚参数,能够很好地收敛。理论证明全局解存在,模型的状态解能够在有限的时间内进到原目标函数的可行域并不再离开,其状态解最终收敛到目标函数的一个最优解。仿真实验证实了理论结果的可行性。(本文来源于《计算机应用与软件》期刊2019年11期）
卫荣,侯梦薇,兰欣,邢磊,那天[5]（2019）在《基于递归神经网络的糖尿病药物疗效预测模型》一文中研究指出目的利用已有的医疗记录信息,建立糖尿病药物疗效预测模型,增强Ⅱ型糖尿病患者长期使用抗糖尿病药物控制血糖的效果。方法提出一种基于递归神经网络的糖尿病药物疗效预测模型(SPM)。模型利用之前,把所有医疗记录的顺序序列作为输入,输出当前处方的预测治疗效果。结果将SPM与基准模型在某医院的真实医疗数据集上进行对比。实验表明,使用SPM后药物疗效预测精度得到提高,对于多记录患者,预测精度提升效果十分明显。结论 SPM在临床工作中具有实用价值。(本文来源于《中国卫生信息管理杂志》期刊2019年05期）
金鸿雁,赵希梅[6]（2019）在《永磁直线伺服系统递归小波Elman神经网络互补滑模控制》一文中研究指出针对永磁直线同步电机(PMLSM)直接驱动伺服系统易受参数变化、外部扰动和摩擦力等不确定性影响,而降低系统控制性能的问题,提出一种基于递归小波Elman神经网络(RWENN)的互补滑模控制方法。首先,建立含有不确定性的PMLSM动态模型;其次,采用积分滑模面和互补滑模面相结合设计互补滑模控制器。为解决互补滑模控制器参数选取困难的问题并估计系统存在的总不确定性,将互补滑模控制与RWENN相结合。利用RWENN代替互补滑模控制中的切换控制,RWENN可在线训练网络参数并实时调整参数。另外,为进一步提高鲁棒性,设计鲁棒补偿器对RWENN的参数逼近误差进行补偿。实验结果表明,该方法不仅降低了系统的抖振现象,保证了位置跟踪精度,还提高了系统的鲁棒性能。(本文来源于《电机与控制学报》期刊2019年10期）
华丰,田亮,邱彤[7]（2019）在《基于递归神经网络的化工反应过程建模》一文中研究指出化工过程系统往往具有很强的非线性。针对含有大量序列数据的化工过程建模,当序列数据作为深层神经网络输入时,往往权重系数过多、训练难度增大。而递归神经网络通过在不同时间步间共享参数,更适用于对序列数据的处理。作者研究了递归神经网络在化工动力学建模中的应用,探讨了化学反应中物质浓度的时序变化,反应动力学参数回归,工业油田轻烃裂解过程模拟以及操作条件优化等3种应用场景。从预测精度和计算速度方面,验证了递归神经网络方法在化工过程建模中的优越性。(本文来源于《高校化学工程学报》期刊2019年05期）
孙德山,任靓[8]（2019）在《基于主成分分析和递归神经网络的短期股票指数预测》一文中研究指出运用递归神经网络,并结合主成分分析方法建立基于主成分分析的递归神经网络(PCA-RNN)预测模型.实验采用玉米股票价格指数,首先,利用主成分法对玉米指数的多个指标进行特征提取,然后利用提取的主成分建立3种神经网络模型,并对开盘价进行预测,最后与ARIMA模型进行比较分析.结果表明PCA-RNN模型取得了较好的效果,更加适用于股票价格的短期预测,可以为决策者提供一定的参考.(本文来源于《辽宁师范大学学报(自然科学版)》期刊2019年03期）
朱齐丹,杨智博,鲁鹏,马宇[9]（2019）在《基于动态递归神经网络的自动着舰系统设计》一文中研究指出为解决舰载机在终端进场过程中受航母运动和舰尾流扰流等不确定性因素影响,很难实现对航迹的精确控制,容易导致舰载机复飞和着舰事故这一问题,基于动态递归神经网络设计了自适应滑模控制器,并将其应用于舰载机纵向自动着舰系统.首先该控制方法采用动态递归神经网络实现未知非线性函数的逼近,可以及时有效地处理终端进场过程中由不确定环境因素引起的偏差扰动,保证舰载机沿理想下滑道安全进场;然后通过滑模面和自适应律的设计保证了控制器的稳定性和鲁棒性.通过仿真结果证明了该设计可以实现对理想下滑道的快速精确跟踪,减小了舰载机着舰偏差,提高了控制精度,最终实现了舰载机安全进场着舰.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年09期）
魏海文,郭业才[10]（2019）在《门控递归单元神经网络坐标变换盲均衡算法》一文中研究指出针对数字信号传输过程中的码间干扰问题,提出了门控递归单元神经网络坐标变换盲均衡算法(GRUNN-CT-CMA).首先,在递归神经网络基础上加入门控结构,使门控递归单元神经网络(GRUNN)对长时间跨度信息的感知能力更强、记忆力更持久.其次,在GRUNN中引入坐标变换得到的盲均衡算法,进一步降低了稳态误差、加快了代价函数收敛速度.结果表明,与常模盲均衡算法(CMA)和延迟单元递归神经网络盲均衡算法(BRNN-CMA)相比,GRUNN-CT-CMA在均衡高阶多模信号时,稳态误差最小、收敛速度最快、输出信号星座图最清晰.(本文来源于《微电子学与计算机》期刊2019年09期）
递归神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对具有分布时滞的递归神经网络模型进行了研究,并通过构造适当的Lyapunov-Krasovskii函数和非线性控制函数,采用不等式估计方法,得到了所研究模型一般衰减同步的充分条件.最后给出了一个例子,进一步说明了所得结论的正确性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
递归神经网络论文参考文献
[1].程慧涛,王珊珊,柯子文,贾森,程静.基于深度递归级联卷积神经网络的并行磁共振成像方法[J].波谱学杂志.2019
[2].艾合麦提·麦麦提阿吉,李洪利.含分布时滞递归神经网络的一般衰减同步[J].应用数学和力学.2019
[3].刘松,彭勇,邵毅明,宋乾坤.基于门控递归单元神经网络的高速公路行程时间预测[J].应用数学和力学.2019
[4].喻昕,胡悦,马崇,伍灵贞,汪炎林.递归神经网络方法解决非光滑伪凸优化问题[J].计算机应用与软件.2019
[5].卫荣,侯梦薇,兰欣,邢磊,那天.基于递归神经网络的糖尿病药物疗效预测模型[J].中国卫生信息管理杂志.2019
[6].金鸿雁,赵希梅.永磁直线伺服系统递归小波Elman神经网络互补滑模控制[J].电机与控制学报.2019
[7].华丰,田亮,邱彤.基于递归神经网络的化工反应过程建模[J].高校化学工程学报.2019
[8].孙德山,任靓.基于主成分分析和递归神经网络的短期股票指数预测[J].辽宁师范大学学报(自然科学版).2019
[9].朱齐丹,杨智博,鲁鹏,马宇.基于动态递归神经网络的自动着舰系统设计[J].华中科技大学学报(自然科学版).2019
[10].魏海文,郭业才.门控递归单元神经网络坐标变换盲均衡算法[J].微电子学与计算机.2019
论文知识图
