《人工神经网络第三章..ppt》由会员分享，可在线阅读，更多相关《人工神经网络第三章..ppt（82页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、神经网络辨识n引言nNNI的一般结构n基于BP网络的辨识n基于Hopfield网络的辨识n逆动力学系统的建模神经网络原理1NN 第一章引言n定义n几个基本问题nNNI的原理nNNI的理论依据nNNI的优点神经网络原理2NN 第一章定义1.辨识就是在输入输出数据的基础上，从一组给定的模型中确定一个与所测系统等价的模型 L.A.Zadeh2.辨识的三要素：I/O数据、系统结构模型、等价准则3.原理框图神经网络原理3NN 第一章系统辨识的原理图系统辨识模型W(k)Z(k)-+e(k)u(k)神经网络原理4NN 第一章基本问题n模型的选择 原则：兼顾复杂性和精确性 NNI：网络隐节点个数选择由仿真确定
2、n输入信号选择 对动态系统而言，输入信号要充分激励，（基本要求）进一步，最优输入信号设计 NNI：噪声或伪随机信号n 误差准则的确定神经网络原理5NN 第一章误差准则的确定n误差的三种形式1.输出误差2.逆模型辨识误差3.广义误差4.例神经网络原理6NN 第一章输出误差神经网络原理7NN 第一章逆模型辨识误差神经网络原理8NN 第一章广义误差神经网络原理9NN 第一章例:s的差分方程准则 L为学习序列长度，为数值NNI：NNI：实质为最优化问题神经网络原理10NN 第一章NNI原理n线性模型（ARMA模型)n原对非线性系统无统一数学模型描述 现用NN逼近，给出基于输出误差的NNInNNI原理：
3、在学习系统的I/O数据，建立系统的辨识格式，使误差准则最小，从中得出隐含的I/O关系神经网络原理11NN 第一章神经网络辨识系统结构示意图神经网络原理12NN 第一章TDL X(t)y(t)神经网络原理13NN 第一章NNI的理论依据n定理：具有任意数目隐单元的三层前向网络可一致逼近平方可积分函数神经网络原理14NN 第一章NNI的优点1.无需建立实际系统的辨识格式，可省去系统结构建模这一步，可调参数为NN的权值;2.可对本质非线性系统进行辨识，在网络外部含系统I/O特征，非算法式的;3.辨识算法不依赖于辨识系统的维数，仅与NN本身和学习算法有关;4.NN为实际系统的物理实现，可用于在在线控制
4、。神经网络原理15NN 第一章NNI的一般结构n引言n对象的NL model描述神经网络原理16NN 第一章引言nNN：多层前馈网络（BP等）可实现任意NL静态映射；反馈网络（Hopfield）有动态环节，不可去映射NNn问题：希望构造新网络，保持2者优点，可映射任意NL动态网络n解决：将Hopfield网络形式由单层变多层神经网络原理17NN 第一章对象NL model描述n状态方程nNL model的四种形式n得出的四种辨识结构神经网络原理18NN 第一章状态方程n系统为具有未知参数的线性对象时，系统可控且可观，有串并联、并联两种形式神经网络原理19NN 第一章四种形式神经网络原理20NN
5、 第一章辨识结构神经网络原理21NN 第一章并联模型+-ym(k+1)对象y(k+1)u(k)(a)e(k+1)NN模型Z-1神经网络原理22NN 第一章串并联模型+-对象y(k+1)u(k)(b)e(k+1)NN模型Z-1神经网络原理23NN 第一章基于BP网络的辨识(p177)n考虑SISO问题nNN的学习算法n例神经网络原理24NN 第一章流程图YN 图2.9 BP网络模型辨识框图样本u(k-1),y(k-1)进行数据预处理网络权值初始化 开 始由网络输出ym(k-1)，计算e(k-1)修正网络权值 e(k-1)Netdef=HHHHHHHHHH;L-;NN=2 2 1;trpamps=
6、settrain;trpamps=settrain(trpamps,maxiter,300,D,1e-3,skip,10);w1,w2,NSSEvec=nnarx(Netdef,NN,trpamps,y1s,u1s);训练结束后，可采用函数nnvalid对所得到的nnoe模型进行有效性检验，首先对训练数据进行检验w1,w2=wrescale(nnarx,w1,w2,uscales,yscales,NN);yhat,NSSE=nnvaild(nnarx,Netdef,NN,w1,w2,y1,u1);神经网络原理78NN 第一章辨识结果神经网络原理79NN 第一章检验结果神经网络原理80NN 第一章相关函数神经网络原理81NN 第一章总结1.BP 网络辨识2.Hopfield网络辨识3.感知器网络辨识神经网络原理82NN 第一章