一类新型递归神经网络的模型设计、实现与应用

Recently, starting from the robot-manipulators time-varying problems, a special class of recurrent neural network has been proposed and analyzed for the real-time solution of various time-varying problems, and has shown its effectiveness and superiority. However, there exist a variety of deficiencies or imperfections in the investigation of the novel neural network at present, and the application field is limited in the real domain. In view of this, this project aims at investigating the model design, hardware implementation and application of the recurrent neural network in depth. Specifically, on the basis of the previous work of the applicant and his team, the following four parts of project research will be conducted: 1) designing different continuous-time neural network models based on different error functions and different nonlinear methods; 2) developing higher-accuracy discrete-time neural network models; 3) investigating and developing neural network circuits or chips; 4) using the new recurrent neural network to solve the complex problems. The results of this research will not only help to solve the time-varying problems (also including the static problems) better and more effectively in the complex domain (as well as including the real domain), but also tremendously promote the engineering practice application of neural network.

近年来，从机械臂时变问题出发，一类特别的递归神经网络被提出和分析研究，以用于实时求解各类时变问题，并已展示出了其求解的有效性和优越性。然而，目前对这类新型神经网络的研究还存在着一些不足或缺陷，其应用范围也仅限于实数域。鉴于此，本项目拟进一步深入地研究这类新型递归神经网络的模型设计、硬件实现和应用等。具体而言，在申请者及团队之前的工作基础上，本项目将开展如下四方面的研究：1）基于不同的误差函数和非线性方法设计不同的连续神经网络模型；2）开发更高精度的离散神经网络模型；3）研究与开发神经网络电路或芯片；4）研究利用该类新型递归神经网络解决时变复数问题。通过本项目的研究，不仅有助于更好、更有效地实时求解复数域（也包含实数域）中的各种时变（同时包含静态）问题，同时还将有力地推动神经网络的工程实践应用。

近年来，作为人工智能的一个重要分支，人工神经网络得到了学术界和工业界的广泛关注。本项目围绕一类新型递归神经网络的模型设计、理论分析和应用开展了深入研究，顺利完成了项目既定目标，取得了丰富的研究成果。主要的研究成果包括以下四个方面。.1、设计了双符号幂激励函数和加权的双符号幂激励函数，开发了新颖的模型推导公式，得到了多个收敛速度更快、鲁棒性更强的连续递归神经网络模型。.2、对递归神经网络在噪声环境下求解时变问题的性能进行了深入分析，基于此提出了兼具噪声抑制性能和高精度的离散递归神经网络模型。.3、采用施加非线性激励和改进推导公式等方法，提出了多个性能优越的复值递归神经网络模型。.4、将所设计的新型递归神经网络模型应用于机械臂运动控制和非线性控制，并取得了良好的效果。.在本项目的资助下，项目组在国内外重要学术刊物、会议上发表论文28篇，其中：国际主流SCI期刊论文21篇（含IEEE Transactions系列期刊论文3篇）、EI期刊论文3篇、EI和CPCI双检索国际会议论文4篇，1篇论文入选ESI高被引论文；授权发明专利1项、实用新型专利5项、软件著作权1项。项目在研期间，培养硕士研究生8名，其中1名已经取得硕士学位并获学校优秀硕士论文奖。.本项目的完成，不仅丰富和发展了神经网络的模型设计与理论分析，而且为神经网络在科学计算、机械臂控制、保密通讯等诸多领域的应用提供了理论支持。