文献

J-GLOBAL ID：202002234177322802   整理番号：20A0234359

再帰的ニューラルネットワーク(RNN)は,非平滑疑似凸最適化問題を解く。【JST・京大機械翻訳】

RECURRENT NEURAL NETWORK METHOD FOR SOLVING NONSMOOTH PSEUDOCONVEX OPTIMIZATION PROBLEMS

著者 (5件)： Yu Xin (广西大学計算机与電子信息学院 广西南寧530004) ,  Hu Yue (广西大学計算机与電子信息学院 广西南寧530004) ,  Ma Chong (广西大学計算机与電子信息学院 广西南寧530004) ,  Wu Lingzhen (广西大学計算机与電子信息学院 广西南寧530004) ,  Wang Yanlin (广西大学計算机与電子信息学院 广西南寧530004)
資料名： Jisuanji Yingyong Yuruanjian  (Jisuanji Yingyong Yuruanjian)
巻： 36  号： 11  ページ： 145-151,242  発行年： 2019年 
JST資料番号： C2940A  ISSN： 1000-386X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目的関数が非平滑な擬似凸関数であり、等式制約と不等式制約を持つ最適化問題に対して、ペナルティ関数と微分包含の思想に基づき、一つの階層が一階しかなく、罰演算子を含まない新型再帰ニューラルネットワークモデルを構築した。モデルは,ペナルティパラメータを計算することなく,よく収束することができた。理論は大域的解の存在を証明し、モデルの状態解は有限の時間で元の目的関数の実行可能域に戻らず、その状態解は最終的に目的関数の最適解に収束する。シミュレーション結果は,理論的結果の実現可能性を証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  ペナルティ ,  微分 ,  *ニューラルネットワーク ,  目的関数 ,  ペナルティ関数 ,  凸関数 ,  *最適化問題
準シソーラス用語： 最適解 ,  神経回路網モデル ,  罰 ,  等式制約 ,  *凸最適化問題 , 【Automatic Indexing@JST】

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (3件)： ニューラルネットワーク ,  RNN ,  凸最適化問題