软件学报

作者：李文艺，代伟，南静，刘从虎

单位：李文艺，中国矿业大学 人工智能研究院, 江苏 徐州 221116;中国矿业大学 信息与控制工程学院, 江苏 徐州 221116;宿州学院 机械与电子工程学院, 安徽 宿州 23400011,代伟，中国矿业大学 人工智能研究院, 江苏 徐州 221116;中国矿业大学 信息与控制工程学院, 江苏 徐州 22111602,南静，中国矿业大学 人工智能研究院, 江苏 徐州 221116;中国矿业大学 信息与控制工程学院, 江苏 徐州 22111603,刘从虎，宿州学院 机械与电子工程学院, 安徽 宿州 23400004

关键词：增量构造;随机学习;随机权神经网络;循环神经网络;稳定性

基金：国家自然科学基金(61973306, 62373361); 江苏省优秀青年基金(BK20200086); 安徽省教育厅重点项目(2022AH051361, 2023AH052233)

针对循环神经网络(recurrent neural network, RNN)的结构不易确定、参数学习过程复杂等问题, 提出一种增量构造式随机循环神经网络(incremental-construction for random RNN, IRRNN), 实现了RNN结构的增量构造与参数的随机学习. 首先建立隐含节点增量构造的约束机制, 同时利用候选节点池策略实现隐含节点的优选, 避免了网络随机构造的盲目性; 进一步, 从模型参数的局部优化与全局优化两个角度考虑, 提出模型参数的两种增量随机(incremental random, IR)学习方法, 即IR-1与IR-2, 并证明了其万能逼近特性; 同时通过研究IRRNN的动态特性, 分析了IRRNN的泛化性能. 通过实验验证了IRRNN在动态特性、紧凑性和精度等多个方面具有良好特性.

来源：2025年第9期

《软件学报》期刊编辑部

查看软件学报杂志2025年第9期