基于递推预报误差算法的前馈神经网络的设计.pdfVIP

基于递推预报误差算法的前馈神经网络的设计 穆玲玲 王桂萍 （郑州大学信息工程学院，郑州 ’22! ） ： :1;., ;=,?,?@AA=$)B=$C 摘 要 该文介绍了一种基于递推预报误差算法的前馈神经网络的实现方法。将该网络应用于非线性系统模型的仿真 试验中取得了良好的效果。文中给出了试验的结果，并对该网络的应用进行了讨论。 关键词 递推预报误差算法 前馈神经网络 非线性系统建模 文章编号 （ ） 文献标识码 中图分类号 %!1D##%1 !# %1 %#1# E F9%D# !# $#%’( )* +##,-./, 0#1/.2 0#3-)/4 5.%#, )( 6#71/%8# 9/#,73)( ://)/ ;2’)/3 =1 (’2(’ ?.(’ @1A(’ （ ， ， ） G6,,)?) 6H IH65;.-6 :?))5? JK)?AK6= LM)57-N JK)?AK6= ’22! ： （ ） ;B%3/.73 E ;)-K6B 6H B)7?? . H))BO.5B )=5., )-O65P *.7)B 6 Q)C=57M) 95)BC-6 :5565 Q9: .,?65-K; 7 （ ） ， R56R67)B -K7 R.R)5$4K) -K7 E5-HC., S)=5., S)-O65P ESS 7 =7)B -K) 6,).5 7N7-); ;6B), ?66B )HH)C- 7 ， ?.)B );=,.-6 -)7-$FK) 5)7=,-7 6H -)7- .5) ?M) -K7 R.R)5 .B -K) .RR,C.-6 6H -K7 ESS 7 B7C=77)B$ ： ， ， C#D-)/,% Q)C=57M) R5)BC-6 )5565 .,?65-K; T))BO.5B )=-5., )-O65P S6,).5 7N7-); ;6B), 神经网络的研究从’ 年代开始，经历了初创期、过渡期和 活性取决于输入单元的活性以及该输入单元与隐单元之间的 发展期三个阶段。进入 年代以来神经网络的研究在国际和 连接权重。输出单元的行为取决于隐单元的活性以及隐单元和 国内引起人们的空前关注。新的神经网络结构、新的算法不断 输出单元之间的权值。这种网络的信息是由输入单元传导到隐 涌现，神经网络在模式识别、智能控制和预测等领域的应用也 单元，最后传导到输出单元。这种前向神经网络的重要特点是， 取得了引人瞩目的成绩。 隐层单元可以任意构成它们自身的输入表示，输入单元和隐单 神经网络的主要研究内容包括结构和算法两个方面。结构 元间的权值决定每个隐单元是否是活性的。因此修改权值并使 是指神经网络的连接方式，神经网络的拓扑结构是以神经元为 之固定是训练网络具有一定功能的直接方法。 节