单变量ReLU神经网络及其在非线性系统辨识中的应用
系统与控制
2020-03-06 v1 系统与控制
信号处理
摘要
ReLU（修正线性单元）神经网络自出现以来受到显著关注。本文提出一种单变量ReLU (UReLU) 神经网络，既用于建模非线性动态系统，也用于揭示系统的一些见解。具体而言，该神经网络由具有线性和UReLU激活函数的神经元组成，且UReLU函数定义为相对于各维度的ReLU函数。UReLU神经网络是单隐藏层神经网络，结构相对简单。神经网络的初始化采用解耦方法，该方法提供了良好的初始化并对非线性系统给出一定见解。与常规ReLU神经网络相比，UReLU网络的参数数量更少，但仍能对非线性动态系统提供良好逼近。通过迟滞基准系统Bouc-Wen系统展示了UReLU神经网络的性能。仿真结果验证了所提方法的有效性。
引用
@article{arxiv.2003.02666,
title = {Univariate ReLU neural network and its application in nonlinear system identification},
author = {Xinglong Liang and Jun Xu},
journal= {arXiv preprint arXiv:2003.02666},
year = {2020}
}
备注
7 pages, 4 figures