关于门控循环单元神经网络的稳定性性质
系统与控制
2021-10-12 v6 机器学习
系统与控制
摘要
本文旨在为门控循环单元（GRUs）神经网络提供保证输入到状态稳定性（ISS）与增量输入到状态稳定性（{\delta}ISS）的充分条件。这些条件针对单层与多层架构而设计，由关于网络权重的非线性不等式构成。它们可用于检验已训练网络的稳定性，或可在 GRU 训练过程中作为约束强制执行。所得训练过程在一个四容罐非线性基准系统上进行了测试，显示出令人满意的建模性能。
引用
@article{arxiv.2011.06806,
title = {On the stability properties of Gated Recurrent Units neural networks},
author = {Fabio Bonassi and Marcello Farina and Riccardo Scattolini},
journal= {arXiv preprint arXiv:2011.06806},
year = {2021}
}
备注
Copyright 2021. This manuscript version is made available under the CC-BY-NC-ND 4.0