基于正则神经网络算法的混沌系统的辨识的研究.pdfVIP

下载本文档

2
0
约1.45万字
约 4页
2017-08-14 发布于安徽
举报
版权申诉

基于正则神经网络算法的混沌系统的辨识的研究.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

2005中国控制与决策学术年会论文集 of2005ChineseControlandDecision 227 Proceedings Conference 基于正则神经网络算法的混沌系统的辨识研究李冬梅，瞿英 (河北科技大学经济管理学院，河北石家庄050018) 摘要：提出一种基于正则化最小=系的前向神经网络快速学习的混合算法，极大地提高了前向网络的泛化性能和实时性能．应用该算法对存在较大囔声情形下的混沌系统进行辩识，辨识精度较高。收敛速度较快．辨识模型能较准确地逼近原混沌系统，辨识效果明显优干用BP算法所得到的模型．关键词：混沌系坑辨识}前向神经网络I正则化方法 Identificationofchaotic basedon neural systems regularized networks algorithm LJ Dong-mei．QUYing of and ofScienceand 050018，China EconomyManagement，HebeiUniversity Technology，Shijiazhuang (College Corresponent：LI Dong—mei，E—mail：leedongmei@eyou．corn) basedoilthe least is neuralnetworks fast offeedforward Abstract；A learninghybridalgorithm regularizedsquares can the andreal—timeabilitiesofthe presented．Theproposed improve generalizationperformance algorithm greatly networks．Theis totheidentificationofchaotic with noise．Ithas feedforward applied systemlarge high algorithm and identifiedmodelcn tothe chaotic identification speed．The approachoriginal system．The accuracyconvergence resultofthe ismuchbetterthanthatofBPnetworkmodel． proposedalgorithm words：chaotic neural method Key systemidentification}feedforwardnetworks}regularization 1引言方法和基于单个权值的局部化快速算法的优势结合对混沌系统的研究现已成为动力系统研究的中起来，并加