基于一般化學習網(wǎng)絡的非線性系統(tǒng)預測、辨識及內(nèi)?？刂品椒ㄑ芯?pdf_第1頁
已閱讀1頁，還剩77頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、人工神經(jīng)網(wǎng)絡由于具有非線性映射、自學習、自適應與函數(shù)逼近、大規(guī)模并行分布處理等功能，被廣泛應用到時間序列預測，非線性系統(tǒng)建模及智能控制中。與傳統(tǒng)的神經(jīng)網(wǎng)絡相比，一般化學習網(wǎng)絡（Universal Learning Network，ULN）具有簡潔、緊湊、易操作的網(wǎng)絡結(jié)構，網(wǎng)絡各節(jié)點之間具有多重雙向連接，各節(jié)點之間的分支數(shù)和分支上的延遲時間可以任意設置，是現(xiàn)有神經(jīng)網(wǎng)絡結(jié)構的一個超集。 本文在前人研究的基礎上，針對混沌時間序列預測、

2、非線性多變量系統(tǒng)辨識、內(nèi)?？刂频?，主要做了以下工作： 1、結(jié)合基本粒子群算法（PSO）和梯度下降法，提出一種混合的粒子群算法，并將其應用到一般化學習網(wǎng)絡的訓練中，通過對典型Logistic混沌時間序列的成功預測，說明了這種優(yōu)化算法的有效性。 2、基于釀酒酵母發(fā)酵過程的非線性狀態(tài)方程，充分利用一般化學習網(wǎng)絡結(jié)構中節(jié)點和分支的特點，提出了一種基于狀態(tài)方程的一般化學習網(wǎng)絡辨識結(jié)構，仿真結(jié)果說明，這種新結(jié)構比傳統(tǒng)的結(jié)構更具有目的

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論