गतिशील प्रणाली नियंत्रण के लिए विकर्ण पुनरावृत्त न्यूरल नेटवर्क

एक नया न्यूरल पैराडाइम जिसे विकर्ण पुनरावृत्त न्यूरल नेटवर्क (DRNN) कहा जाता है, प्रस्तुत किया गया है। DRNN की वास्तुकला पूरी तरह से जुड़े पुनरावृत्त न्यूरल नेटवर्क के एक संशोधित मॉडल है जिसमें एक छिपी हुई परत है, और छिपी हुई परत में आत्म-पुनरावृत्त न्यूरॉन्स शामिल हैं। नियंत्रण प्रणाली में दो DRNN का उपयोग किया जाता है, एक पहचानकर्ता के रूप में जिसे विकर्ण पुनरावृत्त न्यूरोइडेंटिफायर (DRNI) कहा जाता है और दूसरा नियंत्रक के रूप में जिसे विकर्ण पुनरावृत्त न्यूरोकंट्रोलर (DRNC) कहा जाता है। नियंत्रित पौधे की पहचान DRNI द्वारा की जाती है, जो फिर पौधे की संवेदनशीलता की जानकारी DRNC को प्रदान करती है। एक सामान्यीकृत गतिशील बैकप्रोपगेशन एल्गोरिदम (DBP) विकसित किया गया है और दोनों DRNC और DRNI को प्रशिक्षित करने के लिए उपयोग किया जाता है। पुनरावृत्ति के कारण, DRNN प्रणाली का गतिशील व्यवहार कैप्चर कर सकती है। समागम की गारंटी और तेजी से सीखने के लिए, अनुकूलनशील शिक्षण दरों का उपयोग करते हुए एक दृष्टिकोण विकसित किया गया है जिसमें एक लियापुनोव फ़ंक्शन को शामिल किया गया है। अनुकूलनशील बैकप्रोपगेशन एल्गोरिदम के लिए समागम प्रमेय DRNI और DRNC दोनों के लिए विकसित किए गए हैं। प्रस्तावित DRNN पैराडाइम को संख्यात्मक समस्याओं पर लागू किया गया है और सिमुलेशन परिणाम शामिल किए गए हैं।