1) multilayer recurrent neural network
多层递归神经网络
1.
The multilayer recurrent neural network and new dynamic back propagation (DBP) algorithm are used to approximate the unknown nonlinear input output relationship.
提出一种基于多层递归神经网络的自适应控制离散时间系统的方法。
2) Two-layer Recurrent NN
双层递归神经网络
3) recurrent neural network
递归神经网络
1.
Safety monitoring model of Lijiaxia Arch Dam based on recurrent neural network with bias elements;
基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型
2.
Combination prediction model of network traffic based on recurrent neural networks;
基于递归神经网络的网络流量组合预测模型
3.
Dynamic compensation of accelerometer based on recurrent neural network;
基于递归神经网络的加速度传感器动态特性补偿
4) self-recurrent neural network
自递归神经网络
1.
Prediction of structural reponses by self-recurrent neural network;
自递归神经网络预测结构响应
5) recurrent neural networks
递归神经网络
1.
Application of recurrent neural networks prediction in inventory management decision;
递归神经网络预测在库存管理决策中的应用
2.
The existence of periodic solutions for recurrent neural networks with time-varying delays;
一类变延时递归神经网络周期解的存在性
3.
New approach for robust stability analysis of delayed recurrent neural networks
新的时滞递归神经网络鲁棒稳定性分析方法
6) Elman Recurrent Neural Network(Elman RNN)
Elman递归神经网络
补充资料：多层递阶控制结构
大系统按控制的功能及决策的性质划分的一种层次结构（见大系统结构）。多层递阶控制结构主要用于解决复杂的决策问题。
大系统（见大系统理论）处于不确定的环境中，在决策时为了克服不确定性的影响，需要较长时间积累资料和经验,但是决策的制定和执行却要求及时而迅速,否则控制就不能适应环境变化。为了解决这种矛盾可采用多层控制结构。多层控制结构就是将复杂决策问题分解为子决策问题的序列。每个子决策问题有一个解，就是该决策单元的输出，同时也是下一决策单元的输入。根据这个输入，再确定下一决策单元中的参数，从而确定下一决策单元的输出。如此一层一层下去，形成决策层的递阶（见图）。
第Ⅰ层是直接控制层，包括各种调节器和控制装置，具有一般控制系统的功能。它执行来自第Ⅱ层的决策命令，直接对被控过程或对象发出控制作用u,使过程的输出y在T1期间内达到期望目标值yd，克服快扰动V1的影响。第Ⅱ层是最优化层。在决定这一层的数学模型时，只考虑对性能指标影响最严重的特定扰动V2，但数学模型的参数仍由第Ⅲ层供给的环境参数θ来确定。此层在T2≥T1期间内,根据确定了的数学模型计算出yd值,供给第Ⅰ层作为最优控制参数的设定值，实现动态最优化，克服较快扰动的影响。这一层因为能作出最优性能的决策，所以功能水平高于第Ⅰ层。第Ⅲ层是自适应层，它能根据环境条件的变化，经过较长时间T2积累资料，最终确定一组新的环境参数值θ，供给最优化层，供修正其目标函数、约束条件和数学模型的参数用。这一层具有适应不确定的环境变化的能力，适应较慢扰动变化，保持系统最优运行状态，所以功能水平更高。如果还需要根据大系统的总任务、总目标考虑结构的功能来决定最优策略，以调整各层工作，克服慢扰动的影响，则增加第Ⅳ层，即自组织层。一般可根据大系统控制的功能和决策的性质确定决策层次。
大系统（见大系统理论）处于不确定的环境中，在决策时为了克服不确定性的影响，需要较长时间积累资料和经验,但是决策的制定和执行却要求及时而迅速,否则控制就不能适应环境变化。为了解决这种矛盾可采用多层控制结构。多层控制结构就是将复杂决策问题分解为子决策问题的序列。每个子决策问题有一个解，就是该决策单元的输出，同时也是下一决策单元的输入。根据这个输入，再确定下一决策单元中的参数，从而确定下一决策单元的输出。如此一层一层下去，形成决策层的递阶（见图）。
第Ⅰ层是直接控制层，包括各种调节器和控制装置，具有一般控制系统的功能。它执行来自第Ⅱ层的决策命令，直接对被控过程或对象发出控制作用u,使过程的输出y在T1期间内达到期望目标值yd，克服快扰动V1的影响。第Ⅱ层是最优化层。在决定这一层的数学模型时，只考虑对性能指标影响最严重的特定扰动V2，但数学模型的参数仍由第Ⅲ层供给的环境参数θ来确定。此层在T2≥T1期间内,根据确定了的数学模型计算出yd值,供给第Ⅰ层作为最优控制参数的设定值，实现动态最优化，克服较快扰动的影响。这一层因为能作出最优性能的决策，所以功能水平高于第Ⅰ层。第Ⅲ层是自适应层，它能根据环境条件的变化，经过较长时间T2积累资料，最终确定一组新的环境参数值θ，供给最优化层，供修正其目标函数、约束条件和数学模型的参数用。这一层具有适应不确定的环境变化的能力，适应较慢扰动变化，保持系统最优运行状态，所以功能水平更高。如果还需要根据大系统的总任务、总目标考虑结构的功能来决定最优策略，以调整各层工作，克服慢扰动的影响，则增加第Ⅳ层，即自组织层。一般可根据大系统控制的功能和决策的性质确定决策层次。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条