【论文】一类递归RBF神经网络模型的稳定性讨论

资 源 简 介

【论文】一类递归RBF神经网络模型的稳定性讨论

详 情 说 明

递归RBF神经网络作为一种结合径向基函数与反馈机制的特殊网络结构，在动态系统建模中展现出独特优势。这类网络通过引入时间延迟反馈将前代输出作为当前输入，形成动态记忆能力，但其递归特性也带来了稳定性分析的复杂性。

在稳定性讨论中，研究者通常采用Lyapunov函数方法或线性矩阵不等式技术，重点考察权值更新规则与反馈增益的相互影响。递归RBF网络的特殊之处在于其隐含层节点采用高斯激活函数，这使得稳定性条件需要同时考虑函数局部响应特性和全局递归动态。当网络用于非平稳信号处理时，稳定性边界会随输入统计特性变化而动态调整，这要求设计者必须在收敛速度与鲁棒性之间进行权衡。

现有研究通过约束网络参数更新率或引入滑动模态控制，可有效抑制因递归导致的发散现象。特别是在处理时变系统时，具有自适应遗忘因子的递归RBF网络表现出更优的稳定特性。这些理论分析为实际应用中网络结构的参数选择提供了重要依据。