基于递归神经网络的LS-SVM硬件实现与实验研究

摘要

在标准支持向量机(SVM)学习神经网络的基础上,将最小二乘支持向量机(LS-SVM)与递归神经网络相结合,提出一种新的最小二乘支持向量机学习神经网络。该网络直接采用Lagrange乘子进行训练,消除了标准SVM神经网络中的线性部分,可用于进行分类和回归学习。并且其拓扑结构更适合于用简单的硬件模拟电路实现。对两种网络的稳定性进行了证明,并设计了相应的硬件电路,最后通过Simulink、Pspice仿真和硬件电路实验证明了所提出的方法是有效的。