小波神經(jīng)網(wǎng)絡(luò)的優(yōu)化及其應(yīng)用研究.pdf

1、小波神經(jīng)網(wǎng)絡(luò)是建立在小波分析理論和人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上的一種新型神經(jīng)網(wǎng)絡(luò).由于其兼具了小波變換良好的時(shí)頻局部化特性和神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，因此已廣泛應(yīng)用于非線性函數(shù)逼近、非線性系統(tǒng)辨識(shí)與動(dòng)態(tài)建模、信號(hào)處理及分類等各個(gè)領(lǐng)域. 本文在深入研究小波神經(jīng)網(wǎng)絡(luò)構(gòu)造、算法及優(yōu)化的基礎(chǔ)上，將小波神經(jīng)網(wǎng)絡(luò)應(yīng)用于非線性系統(tǒng)辨識(shí)和信號(hào)處理，并取得了較好的效果.論文的主要研究工作包括： 1、研究了小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造方法和學(xué)習(xí)算法.分別研究了自適

2、應(yīng)小波神經(jīng)網(wǎng)絡(luò)和基于時(shí)頻分析的小波神經(jīng)網(wǎng)絡(luò)，側(cè)重對(duì)自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造及算法進(jìn)行描述，介紹了一種混合學(xué)習(xí)算法，通過將LM算法與梯度下降算法有機(jī)結(jié)合在一起，有效改進(jìn)了網(wǎng)絡(luò)的學(xué)習(xí)收斂速度和精度.給出了網(wǎng)絡(luò)程序框圖，所得到的仿真結(jié)果表明了該算法的有效性. 2、研究了小波神經(jīng)網(wǎng)絡(luò)在非線性系統(tǒng)辨識(shí)中的應(yīng)用.利用本文第二章所給出的算法，分別作了一維非線性系統(tǒng)和二維非線性系統(tǒng)的辨識(shí)研究.對(duì)二維非線性系統(tǒng)辨識(shí)，在網(wǎng)絡(luò)隱層和輸出層間引入一種局