Модульная глубокая RNN улучшила моделирование динамики квадрокоптеров
Исследователи представили модульную глубокую рекуррентную нейронную сеть (RNN), которая упрощает создание различных архитектур и автоматическое вычисление производных для градиентных методов обучения. Благодаря модульному принципу появилась возможность добавлять новые типы соединений между слоями.
Одной из ключевых новинок стали межслойные прямые связи (feedforward inter-layer connections). Их включение в многослойную RNN заметно повысило способность сети обучаться на данных с высокой динамикой и сложной нелинейностью. Кроме того, такая структура снижает проблемы затухающих и взрывающихся градиентов в пространстве слоёв.
Эффективность подхода проверили на задаче моделирования динамики квадрокоптера. Предложенная нейросеть успешно выучила модель динамики высоты, тогда как существующие методы не могли обеспечить нужную точность обобщения или делали это гораздо медленнее.
Разработка может быть полезна для систем управления дронами и другими робототехническими платформами, где требуется компактная и точная модель динамических процессов. Работа представлена на arXiv, однако дата публикации и авторы в аннотации не указываются.
