一类新型递归神经网络的模型设计、实现与应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61563017
  • 项目类别：
    地区科学基金项目
  • 资助金额：
    39.0万
  • 负责人：
    廖柏林
  • 依托单位：
    吉首大学
  • 学科分类：
    F0601.人工智能基础
  • 结题年份：
    2019
  • 批准年份：
    2015
  • 项目状态：
    已结题
  • 起止时间：
    2016-01-01 至2019-12-31

项目摘要

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。

结项摘要

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。

项目成果

期刊论文数量（24）
专著数量（0）
科研奖励数量（0）
会议论文数量（4）
专利数量（6）
A noise-tolerant Z-type neural network for time-dependent pseudoinverse matrices
用于时间相关伪逆矩阵的耐噪声 Z 型神经网络
  • DOI：
    10.1016/j.ijleo.2018.03.078
  • 发表时间：
    2018
  • 期刊：
    Optik
  • 影响因子：
    3.1
  • 作者：
    Xiang Qiuhong;Liao Bolin;Xiao Lin;Jin Long
  • 通讯作者：
    Jin Long
A noise-acceptable ZNN for computing complex-valued time-dependent matrix pseudoinverse
用于计算复值时间相关矩阵伪逆的可接受噪声的 ZNN
  • DOI：
    10.1109/access.2019.2894180
  • 发表时间：
    2019
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Lei Yihui;Liao Bolin;Yin Qingfei
  • 通讯作者：
    Yin Qingfei
Z-type control of populations for Lotka–Volterra model with exponential convergence
具有指数收敛性的 Lotka–Volterra 模型的 Z 型种群控制
  • DOI：
    10.1016/j.mbs.2015.11.009
  • 发表时间：
    2016
  • 期刊：
    Mathematical Biosciences
  • 影响因子：
    4.3
  • 作者：
    Zhang Yunong;Yan Xiaogang;Liao Bolin;Zhang Yinyan;Ding Yaqiong
  • 通讯作者：
    Ding Yaqiong
Control of pendulum tracking (including swinging up) of IPC system using zeroing-gradient method
采用归零梯度法控制IPC系统的摆跟踪（包括上摆）
  • DOI：
    10.1007/s11071-017-3432-2
  • 发表时间：
    2017
  • 期刊：
    Nonlinear Dynamics
  • 影响因子：
    5.6
  • 作者：
    Zhang Yunong;Qiu Binbin;Liao Bolin;Yang Zhi
  • 通讯作者：
    Yang Zhi
A nonlinearly-activated neurodynamic model and its finite-time solution to equality-constrained quadratic optimization with nonstationary coefficients
非线性激活神经动力学模型及其非平稳系数等式约束二次优化的有限时间解
  • DOI：
    10.1016/j.asoc.2015.11.023
  • 发表时间：
    2016
  • 期刊：
    Applied Soft Computing
  • 影响因子：
    8.7
  • 作者：
    Xiao Lin
  • 通讯作者：
    Xiao Lin

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

一种采用雅克比转置技术的带反馈的障碍物躲避方案
  • DOI：
    --
  • 发表时间：
    2017
  • 期刊：
    中国科技论文
  • 影响因子：
    --
  • 作者：
    郭东生;李克讷;戴喜生;廖柏林;杨津
  • 通讯作者：
    杨津
A new repetitive motion planning scheme with noise suppression capability for redundant robot manipulators
一种新的具有噪声抑制能力的冗余机器人机械手重复运动规划方案
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    IEEE Transactions on Systems, Man, and Cybernetics: Systems
  • 影响因子：
    --
  • 作者：
    李泽昕;廖柏林;徐凤;郭东生
  • 通讯作者：
    郭东生
多连杆机械臂加速度层最小运动规划和控制策略
  • DOI：
    10.3969/j.cnki.jdxb.2015.06.011
  • 发表时间：
    2015
  • 期刊：
    吉首大学学报(自然科学版)
  • 影响因子：
    --
  • 作者：
    肖林;严慧玲;周文辉;廖柏林
  • 通讯作者：
    廖柏林
Dual-mode multi-phase sinusoidal oscillator with equal amplitudes
双模多相等幅正弦振荡器
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    University of Rijeka Technical Faculty Engineering Review
  • 影响因子：
    --
  • 作者：
    金杰;肖林;杨喜;廖柏林;李曙
  • 通讯作者：
    李曙
Bi-criteria minimization with MWVN-INAM type for motion planning and control of redundant robot manipulators
使用 MWVN-INAM 类型进行双标准最小化，用于冗余机器人机械手的运动规划和控制
  • DOI：
    10.1017/s0263574717000625
  • 发表时间：
    2018
  • 期刊：
    Robotica
  • 影响因子：
    2.7
  • 作者：
    郭东生;李克讷;廖柏林
  • 通讯作者：
    廖柏林

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

廖柏林的其他基金

加速收敛的容噪神经网络及其应用研究
  • 批准号：
  • 批准年份：
    2020
  • 资助金额：
    37 万元
  • 项目类别：
    地区科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码