文献

J-GLOBAL ID：202202216754567089   整理番号：22A0696755

離散形式時変マルチ増強Sylvester行列問題およびマニピュレータアプリケーションを扱う新しい離散時間リカレントニューラルネットワーク【JST・京大機械翻訳】

Novel Discrete-Time Recurrent Neural Networks Handling Discrete-Form Time-Variant Multi-Augmented Sylvester Matrix Problems and Manipulator Application

著者 (6件)： Shi Yang (School of Information Engineering, Yangzhou University, Yangzhou, China) ,  Jin Long (Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, Chongqing, China) ,  Li Shuai (Department of Computing, The Hong Kong Polytechnic University, Hung Hom, Hong Kong) ,  Li Jian (School of Computer and Information Technology, Xinyang Normal University, Xinyang, China) ,  Qiang Jipeng (School of Information Engineering, Yangzhou University, Yangzhou, China) ,  Gerontitis Dimitrios K. (School of Informatics, Aristotle University of Thessaloniki, Thessaloniki, Greece)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 33  号： 2  ページ： 587-599  発行年： 2022年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,離散形式時変多重増強Sylvster行列方程式(MASME)と離散型時変多重増強Sylvster行列不等式(MASMI)を含む離散型時変多重増強Sylvster行列問題をまず定式化した。上記の問題を解決するために,連続時変環境において,Kronecker製品とベクトル化技術を用いて支援して,多重増強Sylvster行列問題を簡単な線形行列不等式に変換し,提案した離散時間再帰ニューラルネットワーク(RNN)モデルを用いて解くことができた。第二に,最近開発された離散化式の計算性能に関する理論解析と比較を示した。これらの理論的結果に基づいて,優れた特性を有する5つのインスタント離散化式を用いて,離散型時変MASMEと離散型時変MASMIを解くための対応する離散時間RNN(DTRNN)モデルを確立した。これらのDTRNNモデルはゼロ安定,一貫性があり,満足した精度で収束する。さらに,離散形式時変多重増強Sylvster行列問題を解くための提案DTRNNモデルの優れた性能を実証するために,説明的数値実験を与えた。さらに,ロボットマニピュレータの応用は,RNN法の理論的研究と物理的実現性をさらに広げる。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *行列 ,  *マニピュレータ ,  *ニューラルネットワーク ,  多重化 ,  *応用プログラム ,  数学的変換 ,  定式化
準シソーラス用語： 行列方程式 ,  離散化 ,  ベクトル化 ,  *リカレントニューラルネットワーク ,  数値実験 ,  理論解析 ,  ロボットマニピュレータ ,  線形行列不等式 ,  行列不等式 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (6件)： マルチ ,  増強 ,  行列 ,  マニピュレータ ,  アプリケーション ,  リカレントニューラルネットワーク