神经网络的改进发展设计

神经网络的改进发展设计
 
 
神经网络的发展体系：
在众多神经网络结构之中，多层前馈神经网络（Multi-Layer Feedforward NeuralNetworks,简称MFNN）是目前应用较广泛也是最成熟的一种神经网络结构。
一个多层前馈神经网络由输入层和至少一个隐层组成，各层包含一个或多个神经元，相邻两层神经元之间可以通过可调权值连接，且各种神经元之间没有反馈。
其信息由由输入层依次向隐层传递直至输出层。每个神经元以加权和形成综合它的全部或部分输入，并根据非线性激活函数的形状产生输出。网络各层神经元的输入-输出映像关系可描述为：
改进的神经网络状况：
由于被控对象固有的不确定性和非线性难以建立确切的数学模型，导致设计系统控制器时遇到了很多困难。虽然运用模糊控制技术可以不依赖于系统的数学模型，但要想做到快速的跟踪参考模型的输出还是有困难的，所以有必要事先对系统进行辨识。
另一方面，由于各种干扰的存在，系统的结构乃至参数都有可能发生变化即使依靠先验信息离线辨识得到了系统的模型也难免存在模型失配问题。而神经网络具有学习能力和逼近任意非线性函数的能力，为系统辨识提供了新的手段。
为了得到系统的动态正模型选用了动态递归Elman 神经网络作为辨识器。已有研究表明，在动态系统的辨识中，较小规模的动态网络可以与大规模前馈网络等效。
动态递归神经网络不仅可以克服一般多层前馈网络存在的网络结构及节点数膨胀和易将动态建模变成静态建模问题的缺点，而且难能可贵的是辨识系统的导数信息。在动态递归神经网络中。
正航仪器的市场调研部进行了市场调研，得出：Elman 神经网络结构最为简单，运算量小，所以非常适合系统实时在线辨识。 http://www.dgzhenghang.net/