人工神经网络第三章.pptVIP

神经网络原理 第三章 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 引言 定义 几个基本问题 NNI的原理 NNI的理论依据 NNI的优点 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、等价准则 原理框图 系统辨识的原理图 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 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 输出误差 逆模型辨识误差 广义误差 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 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NNI NNI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 神