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

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。

moving horizon estimationfeedforward neural networksobservabilityReLU activationtraining

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者

Robotics and Computer-Integrated Manufacturing · 2026