人工神经网络第三章.pptVIP

神经网络原理第三章第一章权系数修改法则算法步骤神经网络原理第三章第一章初始化权值选择之一计算由形成计算按以上算法修正加权系数将移位，转第二步神经网络原理01第三章第一章02使用BP网络逼近对象：BP网络逼近程序见chap7_1.m033.2.5BP网络逼近仿真实例1例1电加热炉辨识仿真例2例332第三章第一章神经网络原理仿真例神经网络原理第三章第一章神经网络原理010203第三章第一章去除趋势项数据滤波数据的归一化处理模型辨识前数据的预处理神经网络原理1第三章第一章2本系统BP神经网络由输入层、隐含层、输出层三层组成。系统的输入层取6个神经元、隐含层取10个神经元输出层取3个神经元，目标误差平方和为1.5e-006，加入二位式伪随机信号（PRBS），得到实际观测3400样本，进行归一化处理。从测试样本中选取970个样本进行训练，温度从400升至428。3三温区电加热炉系统辨识第三章第一章神经网络原理网络炉温目标输出与实际输出局部放大图第三章第一章神经网络原理几种算法学习训练时间比较神经网络原理第三章第一章项目标准BP算法加动量因子的BP算法LM算法时间（秒）1209030次数5000300073

比较标准BP网络与改进算法后的BP网络，前者存在着学习速度慢，需要较长时间，平均训练次数很多，有时训练次数到了后仍达不到目标期望误差；后者学习速度快，只时间短，平均训练次数少，网络的输出与系统实测输出拟合得很好。对象输出与模型输出曲线图第三章第一章神经网络原理神经网络原理1第三章第一章2采用RBF网络逼近一对象的结构如图3-14所示。33.2RBF网络的逼近神经网络原理图3-14RBF神经网络逼近第三章第一章1神经网络原理2第三章第一章3使用RBF网络逼近下列对象：43.3RBF网络逼近仿真实例RBF网络逼近程序见chap7_3.m。神经网络原理第三章第一章7.4回归神经网络对角回归型神经网络（DRNN：DiagonalRecurrentNeuralNetwork）是具有反馈的动态神经网络，该网络能够更直接更生动地反映系统的动态特性，它在BP网络基本结构的基础上，通过存储内部状态使其具备映射动态特征的功能，从而使系统具有适应时变特性的能力，DRNN网络代表了神经网络建模和控制的方向。神经网络原理第三章第一章3.4.1DRNN网络结构DRNN网络是一种三层前向网络，其隐含层为回归层。正向传播是输入信号从输入层经隐层传向输出层，若输出层得到了期望的输出，则学习算法结束；否则，转至反向传播。反向传播就是将误差信号（理想输出与实际输出之差）按联接通路反向计算，由梯度下降法调整各层神经元的权值和阈值，使误差信号减小。DRNN网络结构如图7-18所示。神经网络原理第三章第一章图3-18DRNN神经网络结构图3-19DRNN神经网络逼近03第三章第一章02神经网络原理01神经网络原理01第三章第一章02DRNN网络逼近仿真实例03使用DRNN网络逼近下列对象：DRNN网络逼近程序见chap7_4.m。04基于Hopfield网络的辨识(p216)神经网络原理第三章第一章系统NN为Hopfield网络时神经网络原理01第三章第一章02线性系统：用Hopfield网络来模拟系统，使在所有状态下平方误差最小。03系统Hopfield网络辨识框图神经网络原理01第三章第一章02神经网络原理A第三章第一章B式中神经网络原理01第三章第一章02在R充分大时，可忽略项后一项不为0时在X(t),u(t),在[0,T]上线性独立时，[M]不为003NN为Hopfield网络时神经网络原理第三章第一章二阶系统n=2，此时例01神经网络原理02第三章第一章第三章第一章神经网络原理神经网络原理第三章第一章神经网络原理01