用于字符识别和动态系统辨识的人工神经网络设计.pdf

攘要 摘要 人工神经网络是基予摸仿大脑季枣经蹿终结构和功能两建立的～种信怠处理 系统，已经在诸多领域得到了广泛威用，具有重要的实践意义和理论价值。本 论文在对入工神经网络进行了深入研究的基础上，根据各种神经网络自身所具 有的特点，精心挑选了几种人工神经网络用于字符识别和动态系统辨识。 目前提出和应用于字符识别的神经网络有很多种，如感知器网络、BP神经 网络、模糊神经网络、RBF神经网络、Hopfield网络等。由于每种网络的结构、 学习算法不圆，所以它们的识别能力也不露，备有特点。本论文的第一顼磷究 工作就是选择了三种具有模式识别功能的典型网络用于26个英文字母的识别， 分别是单层感知器、BP网络和Hopfield网络，并根据这三种网络在结构、算法 及其特性上的不同点，进行了具体的不同的设计过程。在对网络进行识别出错 率大小的测试时，是通过在标准字母上加上随机偏差模拟手写体字母作为网络 的输入进行测试的。通过实验结果给出的各网络的识别出错率，着重对所设计 的三种人工神经网络用于26个字母识剐时网络容错性及识别能力的强弱进行了 对比分橱。 本论文的第二项研究工作是采用人工神经网络对动态系统进行辨识。为了 体现系统的动态特性，需要选择具有动态演化过程的神经网络。递归神经网络 是一种真正的动态享枣经嬲络，其网络结构中存在信息静延时及信患的反馈，所 以它具备逼近系统动态过程的性能。本论文选取的是对角递归神经网络，在给 出了对角递归神经网络的网络结构、学习算法以及保证网络稳定前提下的学习 速率取值范蠢螽，结合其体的系统，分别对一阶线性动态系统和二阶菲线性动 态系统进行了辨识，进行了详细的网络设计，包括网络结构的选定，网络参数 的训练过程以及学习速率的初始值选取及其调整顺序，并从网络训练时间、训 练误差及稳定性三方面角度分析了霹络各参数对网络调练的影晌。同时针对网 络使震的DBP(脚绷lcbae卸约粥艇ion)算法具有陷入局部极小毽的缺点，弓|进混沌 优化算法，利用混沌优化算法全局寻优的特点选取网络初始权值，将其与DBP 算法结合起来对网络进行训练，并对二阶非线性动态系统进行了辨识。仿真实 验结果表明混沌优化算法的弓l进改善了辨识效果，验诞了改进方案的优越性。 所给出的递归网络的设计方法，可以适用予多种递归神经网络。 摘要 最后对论文工作进行了总结与展望。 关键词：人工神经网络感知器BP网络Hopfield网络递归神经网络字符 识别动态系统辨识性能对比混沌优化 II Abstract wellasthe of in ratesthe of the ofthe rangeleaming premiseguaranteeingstability ne帅rk．T11enDRNNis for afirst-o—erlinear designedidentifying dynamicsystem andasecond—ordernonl．near The of dyn锄icsystemrespectively．procedure includesthe of啦estructureoffhe netwo—c designjng seIecting ne似，0rk，the initialselectionand orderofthe parameterS’n．ainingprocess，the adjustment leaming rates．The diss