基于神经网络的随机动力系统的参数估计.docxVIP

下载本文档

0
0
约1.31万字
约 16页
2025-10-21 发布于天津
举报
版权申诉

基于神经网络的随机动力系统的参数估计.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

PAGE2

基于神经网络的随机动力系统的参数估计

[摘要]随机动力系统在日常生活中随处可见，对其进行参数估计具有重要的应用意义。为了有效地进行参数估计，人们研究了大量的参数估计方法，但每种方法都各有其不足之处。随着机器学习的发展，神经网络作为强大的建模方法，在复杂系统的建模与分析工作中得到了越来越多的应用，它可以更高效、更准确地对系统参数作出预测。本文通过建立由长短时记忆神经网络（LSTM）和全连接神经网络（FNN）所构成的两阶段神经网络，对随机动力系统的漂移参数和噪声参数进行了有效估计。首先，随机生成样本轨迹，接着，搭建有多个层的LSTM和FNN，通过观察损失函数值来判断模型是否训