5.2非线性动态系统的神经网络辨识 (1).pptVIP

第五章 神经网络控制论 5.2非线性动态系统的神经网络辨识 系统建模是神经网络的最早应用。 什么叫系统辨识？ L.A.Zadch曾经下过这样的定义：“辨识是在输入和输出数据的基础上，从一组给定的模型中，确定一个与所测系统等价的模型”。 使用非线性系统的输入输出数据来训练神经网络可认为是非线性函数的逼近问题。 多层前向传播网络能够逼近任意L2非线性函数。 二、非线性动态系统的神经网络辨识 系统辨识的三要素： 模型的选择 输入信号的选择 误差准则的选择 二、非线性动态系统的神经网络辨识 系统辨识的三要素： 模型的选择 神经网络用于系统辨识的实质就是选择适当的神经网络模型来逼近实际系统，即 为神经网络模型类， ∈ 为一神经网络。考虑到多层前向传播网络具备良好的学习算法，本章我们选择多层前向传播网络为模型类 ， 为一能充分逼近实际系统而又不过分复杂的多层网络。 二、非线性动态系统的神经网络辨识 系统辨识的三要素： 输入信号的选择 从时域上来看，要求系统的动态过程在辨识时间内必须被输入信号持续激励，即输入信号必须充分激励系统的所有模态； 从频域来看，要求输入信号的频谱必须足以覆盖系统的频谱 二、非线性动态系统的神经网络辨识 系统辨识的三要素： 误差准则的选择 误差准则是用来衡量模型接近实际系统的标准，它通常表示为一个误差的泛函 二、非线性动态系统的神经网络辨识