第09-1讲NN辨识剖析.ppt

第九讲 现代辨识方法选讲 --1 神经网络辨识 主要内容(1) 主要内容 引言 人工神经网络概述 神经网络辨识并联方法 神经网络辨识串并联方法 神经网络辨识的发展 1. 引言(1/7) 1. 引言 由于NN,尤其是多层感知器(MLP),对连续函数映射关系具有较好的逼近能力,能以任意精度逼近平方可积的连续函数影射. 基于函数最优一致逼近的Weistrass定理可以证明,对任何平方可积函数,可以由多层BP网络以任意精度最优一致逼近. 因此NN是一种良好的函数逼近工具,可广泛应用于实质上可以归结为函数逼近问题的应用领域中,如 各种专门领域的数学模型实验建模、 控制与系统科学领域的系统辨识、 1. 引言(2/7) 模式识别中的分类问题、 曲线拟合、 回归分析等 对控制和系统科学的系统辨识问题,即为通过建模对象的实验数据或在线系统运行数据构造学习样本,去学习和逼近描述系统的动静态特性的输入输出函数关系,得到被控系统的数学模型并应用于系统分析、控制、决策及系统综合. 因此,系统辨识问题本质上属于函数逼近问题,具有良好函数逼近能力,万能(universal)的逼近工具--NN能很好地承担起系统辨识的任务. 1. 引言(3/7) 总所周知,传统辨识方法在线性离散系统的参数辨识领域已发展得非常深刻,应用也较成熟. 因此,研究NN辨识方法主要应利用NN处理具有 非线性、 并行性、 分布性、 容错