優(yōu)化DBN在BLDCM控制中應用研究
摘要:深度信念網(wǎng)絡(Deep Belief Networks,DBN)是由多層無監(jiān)督的受限玻爾茲曼機(Restricted Boltzmann Machine, RBM)疊加而成的遞歸神經(jīng)網(wǎng)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(yōu),引入動態(tài)學習率,用來改進RBM網(wǎng)絡以提高特征向量映射的準確度。構(gòu)造一個含有兩層RBM網(wǎng)絡,將改進型控制網(wǎng)絡應用于無刷直流電機控制系統(tǒng)中,實驗結(jié)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(chǎn)權(quán),如需閱讀全文請聯(lián)系電動工具雜志社