控制系统辨识算法与仿真：基于极限学习机的系统在线辨识PPT教学课件.pptx

系统辨识与建模

第八章基于极限学习机的系统在线辨识机器学习方法能有效提升逼近非线性函数的拟合精度。早期的机器学习方法有人工神经网络(BP),支持向量基(SVM),但是实际工程应用中发现，BP神经网络计算复杂,SVM拟合速度很慢.基于神经网络提出的一种新的极限学习机（ExtremeLearningMachine，ELM)，其通过随机产生隐层结点参数,然后利用得到的外权决定输出，大大简化了传统神经网络复杂的迭代过程，使得在保证高精度拟合的基础上降低运算量.

第八章基于极限学习机的系统在线辨识在实际工程应用中，被控对象受外部环境和系统自身运动的影响，会导致被控对象存在内部参数摄动和外部环