铁道学报
鐵道學報
철도학보
2007年
5期
48-53
,共6页
系统辨识%神经网络%双向权值调整%最小范数二乘解
繫統辨識%神經網絡%雙嚮權值調整%最小範數二乘解
계통변식%신경망락%쌍향권치조정%최소범수이승해
使用神经网络建模是非线性系统辨识的一个重要方法.为克服传统BP算法训练多层前向神经网络进行系统辨识中存在的一些问题,本文提出一种使用双向权值调整学习算法训练单隐层前向神经网络进行非线性系统辨识的方法.此辨识方法使用结构简单的单隐层前向神经网络,在正向阶段由Moore-Penrose广义逆确定输出权值,反向阶段则按误差梯度下降原则对隐层权值进行调整.算法能在正向和反向两个过程对网络的权值做出调整,具有较快的学习速度,并且能在一定程度上保证神经网络的泛化能力.通过基准辨识仿真实验验证,基于此方法的非线性系统辨识具有建模结构简单、训练速度快且辨识精度高的特点.
使用神經網絡建模是非線性繫統辨識的一箇重要方法.為剋服傳統BP算法訓練多層前嚮神經網絡進行繫統辨識中存在的一些問題,本文提齣一種使用雙嚮權值調整學習算法訓練單隱層前嚮神經網絡進行非線性繫統辨識的方法.此辨識方法使用結構簡單的單隱層前嚮神經網絡,在正嚮階段由Moore-Penrose廣義逆確定輸齣權值,反嚮階段則按誤差梯度下降原則對隱層權值進行調整.算法能在正嚮和反嚮兩箇過程對網絡的權值做齣調整,具有較快的學習速度,併且能在一定程度上保證神經網絡的汎化能力.通過基準辨識倣真實驗驗證,基于此方法的非線性繫統辨識具有建模結構簡單、訓練速度快且辨識精度高的特點.
사용신경망락건모시비선성계통변식적일개중요방법.위극복전통BP산법훈련다층전향신경망락진행계통변식중존재적일사문제,본문제출일충사용쌍향권치조정학습산법훈련단은층전향신경망락진행비선성계통변식적방법.차변식방법사용결구간단적단은층전향신경망락,재정향계단유Moore-Penrose엄의역학정수출권치,반향계단칙안오차제도하강원칙대은층권치진행조정.산법능재정향화반향량개과정대망락적권치주출조정,구유교쾌적학습속도,병차능재일정정도상보증신경망락적범화능력.통과기준변식방진실험험증,기우차방법적비선성계통변식구유건모결구간단、훈련속도쾌차변식정도고적특점.