信息与控制
信息與控製
신식여공제
INFORMATION AND CONTROL
1998年
4期
277-281,288
,共6页
系统辨识%小波神经网络%函数逼近
繫統辨識%小波神經網絡%函數逼近
계통변식%소파신경망락%함수핍근
神经网络由于具有良好的自学习和自适应能力,在非线性黑箱建模或系统辨识中有着广泛的应用,这些辨识模型有:多层感知器、径向基函数网和反馈网络等等.文中提出了基于小波神经网络模型的系统辨识方法.由于小波变换或分解所表现的良好的时频局部化特性,以及多尺度的功能,我们用规范正交的小波函数作为基函数网络中的基函数,得到所谓的小波神经网络.通过计算机仿真证实了该方法的良好的辨识效果.
神經網絡由于具有良好的自學習和自適應能力,在非線性黑箱建模或繫統辨識中有著廣汎的應用,這些辨識模型有:多層感知器、徑嚮基函數網和反饋網絡等等.文中提齣瞭基于小波神經網絡模型的繫統辨識方法.由于小波變換或分解所錶現的良好的時頻跼部化特性,以及多呎度的功能,我們用規範正交的小波函數作為基函數網絡中的基函數,得到所謂的小波神經網絡.通過計算機倣真證實瞭該方法的良好的辨識效果.
신경망락유우구유량호적자학습화자괄응능력,재비선성흑상건모혹계통변식중유착엄범적응용,저사변식모형유:다층감지기、경향기함수망화반궤망락등등.문중제출료기우소파신경망락모형적계통변식방법.유우소파변환혹분해소표현적량호적시빈국부화특성,이급다척도적공능,아문용규범정교적소파함수작위기함수망락중적기함수,득도소위적소파신경망락.통과계산궤방진증실료해방법적량호적변식효과.
