学位论文 > 优秀研究生学位论文题录展示

多层前向神经网络结构的研究

作　者: 陈非
导　师: 王金城
学　校: 大连理工大学
专　业: 控制科学与控制工程
关键词: 非线性系统辨识多层前向神经网络模型结构 CC算法 CBP 算法
分类号: TP183
类　型: 硕士论文
年　份: 2000年
下　载: 372次
引　用: 4次
阅　读: 论文下载

内容摘要

随着控制对象的日益复杂和控制任务的日益提高，智能控制理论近年来得到了迅速发展。神经网络在实践中被证明是非线性系统辨识有力工具，但传统系统辨识中的一些理论问题并没有得到相应解决，如稳定性，收敛性及辨识结构等问题。神经网络的结构对于前向网络的特性有重要的影响，如网络容量，学习速度，泛化能力等。标准BP算法是针对网络结构是固定的情况下搜索权值，一般来说，这只能在网络结构被正确选取才有用。如果网络结构不当，我们可能会欠拟合、过拟合或浪费计算资源，因此如果能找到能自动选取网络结构的算法是很有吸引力的。本文比较了几种将网络结构与问题匹配的方法，指出了他们的优缺点。针对级连相关算法（CC algorithm）的缺点，提出了一种新的方法——CBP算法。通过分析，我们指出即使CBP算法需要将误差反传一层隐层，但两者的计算复杂性相同。CBP算法除了CC的优点外，它还能使算法更为简单，并能利用随机优化算法。另外，CBP算法还能推广到允许一次加入几个隐节点。通过仿真，我们证明了CBP算法比CC算法有效。

全文目录

中文摘要  5-6
英文摘要  6-7
前言  7-10
第一章绪论  10-16
  1．1 系统辨识的重要性  10-11
  1．2 系统辨识研究历史的回顾及现状  11-13
  1．3 神经网络理论研究的历史回顾及现状  13-14
  1．4 神经网络研究的主要方向  14-16
第二章系统辨识基础  16-21
  2．1 模型与实体  16
  2．2 辨识的定义  16-17
  2．3 辨识算法的基本原理  17-18
  2．4 系统辨识的常用方法  18-19
  2．5 系统辨识的基本过程  19-21
第三章神经网络基础  21-34
  3．1 神经网络模型  21-27
  3．2 神经网络学习算法  27-30
  3．3 神经网络的特点  30-31
  3．4 神经网络与自动控制  31-34
第四章非线性系统辨识与神经网络辨识  34-52
  4．1 控制理论的发展与现状  34-35
  4．2 非线性系统辨识  35-43
  4．3 神经网络辨识  43-52
第五章多层前向神经网络的结构研究  52-60
  5．1 引言  52
  5．2 问题的提出  52-56
  5．3 现有的解决方案  56-60
第六章 CBP算法及仿真结果  60-70
  6．1 结构学习方案比较  60-61
  6．2 CC学习算法及其缺点  61-63
  6．3 CBP算法的提出  63-65
  6．4 CC算法及CBP算法性能比较  65-67
  6．5 仿真结果  67-70
结束语  70-72
参考文献  72-75

多层前向神经网络结构的研究

内容摘要

全文目录

相似论文