径向基神经网络系统辨识应用中的结构与算法研究.pdfVIP

摘要 作为人工智能的重要组成部分，人工神经网络有较大的应用潜力。本文在阐 述了神经网络的发展、现状、基本原理及其在自动控制中的应用的基础上，主要 研究了径向基神经网络在系统辨识应用中的结构与算法。 径向基函数神经网络是基于大脑皮层中存在局部、重叠的感受域这一特性提 出的。它具有其它前向网络所不具有的最佳逼近的性能，并且结构简单，训练速 度快。因此，径向基神经网络在运用于系统辨识时有其独特的优势。本文研究了 径向基神经网络的数学理论，详细分析了几种流行的径向基神经网络学习算法的 优缺点，介绍了系统辨识的一般原理，并在此基础上提出了基于径向基神经网络 的系统辨识器的一般结构。 径向基函数神经网络的构造性问题，即如何确定合理的隐层神经元的个数， 一直是其研究中的一个难点和关键。本文针对以上问题，受Fahlman和Lebiere 的重叠相关学习算法的启发，提出了正交序贯学习算法，为径向基神经网络隐层 神经元的确定问题提供了一条新的途径。本文从理论方面对算法进行了深入的剖 析，介绍了算法的详细思路和具体过程，分析了算法的收敛性。并将算法训练后 的径向基神经网络运用到实际非线性系统的辨识过程中去。结果表明，算法有效 地减少的训练后网络的隐层神经元数目，取得了令人满意的辨识效果。