控制理论与应用
控製理論與應用
공제이론여응용
CONTROL THEORY & APPLICATIONS
2005年
2期
307-310
,共4页
逆模型%支持向量机(SVM)%BP神经网络%建模与辨识
逆模型%支持嚮量機(SVM)%BP神經網絡%建模與辨識
역모형%지지향량궤(SVM)%BP신경망락%건모여변식
在简单讨论逆模型辨识原理的基础上,利用支持向量机(SVM)对函数逼近的能力,提出了基于支持向量机的直接逆模型辨识方法.分别采用二次核函数以及高斯RBF核函数,利用训练数据对线性和非线性系统进行黑箱辨识.仿真结果表明,基于支持向量机的直接逆模型辨识方法在处理线性和非线性对象时,辨识性能都优于传统的BP神经网络,不仅辨识精度高,辨识速度快,而且泛化能力较强.
在簡單討論逆模型辨識原理的基礎上,利用支持嚮量機(SVM)對函數逼近的能力,提齣瞭基于支持嚮量機的直接逆模型辨識方法.分彆採用二次覈函數以及高斯RBF覈函數,利用訓練數據對線性和非線性繫統進行黑箱辨識.倣真結果錶明,基于支持嚮量機的直接逆模型辨識方法在處理線性和非線性對象時,辨識性能都優于傳統的BP神經網絡,不僅辨識精度高,辨識速度快,而且汎化能力較彊.
재간단토론역모형변식원리적기출상,이용지지향량궤(SVM)대함수핍근적능력,제출료기우지지향량궤적직접역모형변식방법.분별채용이차핵함수이급고사RBF핵함수,이용훈련수거대선성화비선성계통진행흑상변식.방진결과표명,기우지지향량궤적직접역모형변식방법재처리선성화비선성대상시,변식성능도우우전통적BP신경망락,불부변식정도고,변식속도쾌,이차범화능력교강.
