最佳有理權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)研究及其在網(wǎng)絡(luò)擁塞控制技術(shù)中的應(yīng)用.pdf

1、八十年代以來，人工神經(jīng)網(wǎng)絡(luò)的研究已經(jīng)取得了巨大的進(jìn)展。在此基礎(chǔ)上發(fā)展起來的神經(jīng)網(wǎng)絡(luò)控制技術(shù)，已經(jīng)成為自動(dòng)控制領(lǐng)域的前沿科學(xué)之一。它已經(jīng)成為智能控制的一個(gè)新的分支，為解決復(fù)雜的非線性、不確定、不確知系統(tǒng)的控制問題開辟了一條新的途徑。而擁塞控制是網(wǎng)絡(luò)研究的重要問題之一。本文研究了權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)和Remes算法，實(shí)現(xiàn)了一種新型神經(jīng)網(wǎng)絡(luò)并將其應(yīng)用于擁塞控制技術(shù)中。
　　 Remes算法是一種尋求函數(shù)的近似最佳有理逼近的方法。本文基于權(quán)函

2、數(shù)神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和最佳有理Remes逼近算法，構(gòu)造了最佳有理權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)及其訓(xùn)練算法。通過Remes訓(xùn)練算法對(duì)輸入樣本訓(xùn)練得到最佳有理權(quán)函數(shù)，使神經(jīng)網(wǎng)絡(luò)的連接權(quán)可以近似逼近理論權(quán)函數(shù)與有理權(quán)函數(shù)之差的最小下確界。本文對(duì)這種神經(jīng)網(wǎng)絡(luò)的收斂性、收斂速度和誤差進(jìn)行了分析。在初始選取的參考點(diǎn)接近交錯(cuò)組點(diǎn)的情況下，網(wǎng)絡(luò)的收斂速度可達(dá)到二階。仿真實(shí)驗(yàn)說明此算法比BP算法精度高、速度快、訓(xùn)練的樣本點(diǎn)少。本文以網(wǎng)絡(luò)擁塞控制為應(yīng)用對(duì)象，提出一種基于