高技术通讯
高技術通訊
고기술통신
Chinese High Technology Letters
2015年
1期
24-30
,共7页
杨发权%李赞%郝本建%樊耘
楊髮權%李讚%郝本建%樊耘
양발권%리찬%학본건%번운
多输入多输出(MIMO)系统识别%径向基函数(RBF)网络%支持向量回归(SVR)%退火动力学习(ADL)%粒子群优化(PSO)
多輸入多輸齣(MIMO)繫統識彆%徑嚮基函數(RBF)網絡%支持嚮量迴歸(SVR)%退火動力學習(ADL)%粒子群優化(PSO)
다수입다수출(MIMO)계통식별%경향기함수(RBF)망락%지지향량회귀(SVR)%퇴화동역학습(ADL)%입자군우화(PSO)
multiple-input multiple-out-put (MIMO) system identification%radial basis function (RBF) network%support vector regression (SVR)%annealing dynamic learning (ADL)%particle swarm optimization (PSO)
针对现有基于径向基函数(RBF)网络对多输入多输出(MIMO)系统识别中存在收敛速度慢、系统识别稳定性不高的问题,提出了一种新的MIMO系统识别方法:采用支持向量回归(SVR)算法建立RBF网络初始化结构,确定初始化网络参数;采用退火动力学习(ADL)算法对系统识别网络进行训练,在训练过程中采用粒子群优化(PSO)迭代算法选出最佳学习率组合,使识别网络实现对MIMO系统的识别.对一个两输入输出系统进行了识别仿真,仿真结果表明,用该识别方法重建的识别系统性能优于目前RBF网络参数优化过程中常用的最小平方算法或梯度下降法算法.RBF网络识别系统易于实现,在MIMO系统识别中具有广泛的应用前景.
針對現有基于徑嚮基函數(RBF)網絡對多輸入多輸齣(MIMO)繫統識彆中存在收斂速度慢、繫統識彆穩定性不高的問題,提齣瞭一種新的MIMO繫統識彆方法:採用支持嚮量迴歸(SVR)算法建立RBF網絡初始化結構,確定初始化網絡參數;採用退火動力學習(ADL)算法對繫統識彆網絡進行訓練,在訓練過程中採用粒子群優化(PSO)迭代算法選齣最佳學習率組閤,使識彆網絡實現對MIMO繫統的識彆.對一箇兩輸入輸齣繫統進行瞭識彆倣真,倣真結果錶明,用該識彆方法重建的識彆繫統性能優于目前RBF網絡參數優化過程中常用的最小平方算法或梯度下降法算法.RBF網絡識彆繫統易于實現,在MIMO繫統識彆中具有廣汎的應用前景.
침대현유기우경향기함수(RBF)망락대다수입다수출(MIMO)계통식별중존재수렴속도만、계통식별은정성불고적문제,제출료일충신적MIMO계통식별방법:채용지지향량회귀(SVR)산법건립RBF망락초시화결구,학정초시화망락삼수;채용퇴화동역학습(ADL)산법대계통식별망락진행훈련,재훈련과정중채용입자군우화(PSO)질대산법선출최가학습솔조합,사식별망락실현대MIMO계통적식별.대일개량수입수출계통진행료식별방진,방진결과표명,용해식별방법중건적식별계통성능우우목전RBF망락삼수우화과정중상용적최소평방산법혹제도하강법산법.RBF망락식별계통역우실현,재MIMO계통식별중구유엄범적응용전경.
