求解二次极小化的自适应归零型神经动力学及其在目标跟踪中的应用
最优化与控制
2022-12-01 v2 机器学习
数值分析
数值分析
摘要
时变二次极小化（TVQM）问题作为当前热点，迫切需求更可靠且求解更快的模型。为此，提出并实现了一种新颖的自适应系数构建框架，以提升求解模型的性能，从而得到自适应归零型神经动力学（AZTND）模型。随后将 AZTND 模型应用于求解 TVQM 问题。自适应系数可在线调整模型步长，使求解模型收敛更快。同时，引入积分项以增强模型在扰动环境下的鲁棒性。实验表明，所提模型较现有方法具有更快收敛速度与更可靠的鲁棒性。最后，将 AZTND 模型应用于目标跟踪方案，证明了我们所提模型的实用性。
引用
@article{arxiv.2112.01773,
title = {Adaptive Zeroing-Type Neural Dynamics for Solving Quadratic Minimization and Applied to Target Tracking},
author = {Huiting He and Chengze Jiang and Yudong Zhang and Xiuchun Xiao and Zhiyuan Song},
journal= {arXiv preprint arXiv:2112.01773},
year = {2022}
}
备注
24 pages, 25 figures