LEARNING
基于局部可观性和移动时域估计的前馈神经网络训练
Yi Yang, Victor G. Lopez, Matthias A. Müller
- 发表年份
- 2026
- 引用次数
- 0
- 访问权限
- 开放获取
摘要
本文从控制理论角度提出了一种基于移动时域估计的前馈神经网络训练方法，通过将网络重构为以权重为状态的动态系统并分析其局部可观性，为训练提供了收敛保证。该方法特别针对ReLU激活函数的两层网络推导了可观性充分条件，并设计了持续激励输入以增强状态可区分性。
关键词
moving horizon estimationfeedforward neural networksobservabilityReLU activationtraining
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018