A novel varying-parameter periodic rhythm neural network for solving time-varying matrix equation in finite energy noise environment and its application to robot arm

Der Artikel stellt ein neuartiges periodisches rhythmisches neuronales Netzwerk (VP-PRNN) mit variierenden Parametern vor, das entwickelt wurde, um zeitvariierende Matrixgleichungen (TVME) in lauten Umgebungen zu lösen. Im Gegensatz zu bestehenden Methoden, die sich primär mit periodischem Rauschen befassen, behandelt das VP-PRNN effektiv sowohl periodisches als auch aperiodisches endliches Energierauschen. Das VP-PRNN verwendet zeitvariierende Parameter, um die Konvergenzgeschwindigkeit zu erhöhen und weist im Vergleich zu herkömmlichen ZNN- und CRLN-Modellen überlegene Denozierungsfähigkeiten und Konvergenzraten auf. Theoretische Analysen und experimentelle Ergebnisse bestätigen die globale Konvergenz und Robustheit des VP-PRNN unter verschiedenen Geräuschbedingungen. Zusätzlich wird das VP-PRNN für die inverse kinematische Planung eines Roboterarms eingesetzt, was seine praktische Anwendbarkeit und überlegene Leistung in realen Szenarien unter Beweis stellt.