一种改进的NARX回归神经网络 An Improved NARX Recurrent Neural Network.pdfVIP

下载本文档

85
0
约1.4万字
约 4页
2017-08-02 发布于上海
举报
版权申诉

一种改进的NARX回归神经网络 An Improved NARX Recurrent Neural Network.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

一种改进的NARX回归神经网络 An Improved NARX Recurrent Neural Network

《电气自动化)2006年第28卷第4期智能控制技术明南京理工大学动力学院(江苏南京210941)李杨汉生杨成梧 (№彬ngUniversity MingYangHanshengYang 南京航天航空大学自动化学院(江苏南京210016)王永成 and UnwemityofAeronautics (Nanjing 摘要：经典NARX回归神经网络在应用时需要确定输入和输出的延时阶数、隐层神经元数目等三个结构参数，给神经网络的设计造成了很大的困难。为了克服这一缺陷，根据生物神经元机能提出了一种新的动态神经元模型，并将其用于经典NARX回归神经网络中，形成了一种改进的NARX回归神经网络。新的神经网络在应用时只需确定隐层神经元数目，从而简化了神经网络的结构设证明了该网络的稳定性。仿真试验表明，新的神经网络不仅辨识能力优于经典NARX回归神经网络，而且泛化能力得到了明显提高。关键词：NARX回归神经网络动态神经元非线性系统辨识 Abstract：AclassicNARXrecurrentneuralnetworkhasthreeindeterminateconstructive parameters：exogenousinputdelays，output andthenumberofhidden orderto the the theneural neurons．In of architectureof new delays layer simplifydesign network，a NARXrecurrentneural called ActivationFunctionNeural have netwok，alsoDAFNN(Dynamic Network)，waspresented．DAFNNonly oneuncertainconstructive isthenumberofhiddenneurons．TheneuronsinhiddenofDAFNNwerenew parameter，which layer layer had activationfunctions．Ineachtime DAFNNcouldbeconvertedtoaclassicNARX neurons，whichdynamic t，a dynamic neural hadt of and feedback．TheDAFNNwas tobestable network，which delaysexogenousinput output proved through theorem．Simulationresultsshowthe ofaDAFNNwasbetterthan NARX neural in