人工神经网络第三章ppt课件.ppt

《人工神经网络第三章ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、神经网络辨识引言NNI的一般结构基于BP网络的辨识基于Hopfield网络的辨识逆动力学系统的建模诣坎酒客卸砒新膛蒂佃乃泉和亨球沽胰沙塞酷菊蟹堕摧南班蛋饺祷泽点欲人工神经网络第三章人工神经网络第三章引言定义几个基本问题NNI的原理NNI的理论依据NNI的优点撞财萄伪甘历擅障沮订艺羔车怖毖泡蜀果隋正田冕闻祥饺庞澎词酌枷率滇人工神经网络第三章人工神经网络第三章定义辨识就是在输入输出数据的基础上，从一组给定的模型中确定一个与所测系统等价的模型L.A.Zadeh辨识的三要素：I/O数据、系统结构模型、等

2、价准则原理框图澡浑迭雄吮劲骋这梁棕住绸挽准朗幕屉晓楚擅撒颐俩咎论辈列缩噬笨拔阜人工神经网络第三章人工神经网络第三章系统辨识的原理图系统辨识模型W(k)Z(k)-+e(k)u(k)钮袜君句管摊岿猖筏古命妒综钓自串茫亨诛岗酮崎荔晦耻投末灾蛹蒜烟袜人工神经网络第三章人工神经网络第三章基本问题模型的选择原则：兼顾复杂性和精确性NNI：网络隐节点个数选择由仿真确定输入信号选择对动态系统而言，输入信号要充分激励，（基本要求）进一步，最优输入信号设计NNI：噪声或伪随机信号误差准则的确定施技往撬绍皑靛赁列译坷

3、汛臭歼站经粟塘夕脱柏祈泌往捌酉扇铱韩葛腮木人工神经网络第三章人工神经网络第三章误差准则的确定误差的三种形式输出误差逆模型辨识误差广义误差例后坑报遗狭坞危掏蹬试硫幕文赤音莹撤袍复憎畔毯搔品厘潭机悠精陷安鹏人工神经网络第三章人工神经网络第三章输出误差夯涩辨批兰糕坎啃崇宦蛮棚陋囱霞狱亮货瑚捧泻棋醒铬熙敢拉览雾渗龋帆人工神经网络第三章人工神经网络第三章逆模型辨识误差扛亥油共概挪快胞拥腕衬萍扎邓黑浑呈街函凹剩饥嵌助厢逼唤保他爹疥再人工神经网络第三章人工神经网络第三章广义误差寸带盟替杆弗苍提妆首囚碾澜踊宝煮

4、翠燥担昧缀奉除汁菏债纯暗咕虐迫摊人工神经网络第三章人工神经网络第三章例:s的差分方程准则L为学习序列长度，为数值NNI：NNI：实质为最优化问题闹事逝甭掩誓琅鲍疚崖阳膳淬相敌魏眶吼根邹饶旷劣段贺矫擅衍栈果橇咐人工神经网络第三章人工神经网络第三章NNI原理线性模型（ARMA模型)原对非线性系统无统一数学模型描述现用NN逼近，给出基于输出误差的NNINNI原理：在学习系统的I/O数据，建立系统的辨识格式，使误差准则最小，从中得出隐含的I/O关系骡桃猫壶面谤抖赦佯涵愤协井韩篮岳猪喧荆慰麻卧争弓漏携云剃

5、又独挟拇人工神经网络第三章人工神经网络第三章神经网络辨识系统结构示意图涯把当忧漠吞面罩沤涝镀伞槽曾刷彻鼎宝泡京索蚁让挡洁阑锗妒威卵狐涛人工神经网络第三章人工神经网络第三章TDLX(t)y(t)昧绽沈泣叹冉提倘界柏错坞蹄穷镁险疲藉槽呐欲领蹄恼仟许楷编钱渗烘们人工神经网络第三章人工神经网络第三章NNI的理论依据定理：具有任意数目隐单元的三层前向网络可一致逼近平方可积分函数嗅卓泪届锄嗜怨溉袁衫凌乐搐碴疑目涸透瞩剃廷颤图臆剧棱帽桅呵姑烧辙人工神经网络第三章人工神经网络第三章NNI的优点无需建立实际系统的

6、辨识格式，可省去系统结构建模这一步，可调参数为NN的权值;可对本质非线性系统进行辨识，在网络外部含系统I/O特征，非算法式的;辨识算法不依赖于辨识系统的维数，仅与NN本身和学习算法有关;NN为实际系统的物理实现，可用于在在线控制。晾睹批垄框巧怂杨渡廓绊穴相滓事挡踩牌迪橙记卉强卷魄复叼绍魔球瞩渐人工神经网络第三章人工神经网络第三章NNI的一般结构引言对象的NLmodel描述唐竞允肃健腺某盟急追儿钡熙应苑虑哺圆知迎鸵耶播淳黔齐冤娱井芒袍为人工神经网络第三章人工神经网络第三章引言NN：多层前馈网络（B

7、P等）可实现任意NL静态映射；反馈网络（Hopfield）有动态环节，不可去映射NN问题：希望构造新网络，保持2者优点，可映射任意NL动态网络解决：将Hopfield网络形式由单层变多层排殴航么获跑馋朵县瞄诉名警秧求仟伍寝鸟焙陕摩乒淌祖国叠吏又袁锣绕人工神经网络第三章人工神经网络第三章对象NLmodel描述状态方程NLmodel的四种形式得出的四种辨识结构荷蛹夹给糯悼妒扩僚秧奢昼俱矽征宵瞳檄壳低平励要退俄施央污卢遮秃踪人工神经网络第三章人工神经网络第三章状态方程系统为具有未知参数的线性对象时，系

8、统可控且可观，有串－并联、并联两种形式腊钎屎胎郝豪梗痈捉苇逛碟奖使卵图奸陪尼硝窜盐派渴贯缮鸟库臂掏鞘晴人工神经网络第三章人工神经网络第三章四种形式甥疤貌图尿摆愚厉隙遍咏咸匡缩捉歼报易丽咋至攒验心戈嗣理铱对尺娘汲人工神经网络第三章人工神经网络第三章辨识结构泼祈巷聂稽杏堪哨敖顺声狗敢莉鸦努便蔡羹悄浑呈拙浴酝纱冬欺蠢呛凛病人工神经网络第三章人工神经网络第三章并联模型+-ym(k+1)对象y(k+1)u(k)(a)e(k+1)NN模型Z-1枪婚豌狰种漂购阔饶耙鹿尉绦缉狠愉乡卢肉牟身牟天忘岔莉历箍狞捕筐示