優化DBN在BLDCM控制中應用研究
摘要：深度信念網絡（Deep Belief Networks,DBN）是由多層無監督的受限玻爾茲曼機（Restricted Boltzmann Machine, RBM）疊加而成的遞歸神經網絡。針對RBM固定學習率在樣本訓練過程中很難尋找全局最優,引入動態學習率,用來改進RBM網絡以提高特征向量映射的準確度。構造一個含有兩層RBM網絡,將改進型控制網絡應用于無刷直流電機控制系統中,實驗結果表明改進的DBN能夠有效加快電機響應速度,提高控制準確度。
注: 保護知識產權,如需閱讀全文請聯系電動工具雜志社
相關推薦
更多
