基于一般化學(xué)習(xí)網(wǎng)絡(luò)的非線性系統(tǒng)預(yù)測(cè)、辨識(shí)及內(nèi)?？刂品椒ㄑ芯?pdf

1、人工神經(jīng)網(wǎng)絡(luò)由于具有非線性映射、自學(xué)習(xí)、自適應(yīng)與函數(shù)逼近、大規(guī)模并行分布處理等功能，被廣泛應(yīng)用到時(shí)間序列預(yù)測(cè)，非線性系統(tǒng)建模及智能控制中。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比，一般化學(xué)習(xí)網(wǎng)絡(luò)（Universal Learning Network，ULN）具有簡(jiǎn)潔、緊湊、易操作的網(wǎng)絡(luò)結(jié)構(gòu)，網(wǎng)絡(luò)各節(jié)點(diǎn)之間具有多重雙向連接，各節(jié)點(diǎn)之間的分支數(shù)和分支上的延遲時(shí)間可以任意設(shè)置，是現(xiàn)有神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的一個(gè)超集。 本文在前人研究的基礎(chǔ)上，針對(duì)混沌時(shí)間序列預(yù)測(cè)、

2、非線性多變量系統(tǒng)辨識(shí)、內(nèi)模控制等，主要做了以下工作： 1、結(jié)合基本粒子群算法（PSO）和梯度下降法，提出一種混合的粒子群算法，并將其應(yīng)用到一般化學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練中，通過(guò)對(duì)典型Logistic混沌時(shí)間序列的成功預(yù)測(cè)，說(shuō)明了這種優(yōu)化算法的有效性。 2、基于釀酒酵母發(fā)酵過(guò)程的非線性狀態(tài)方程，充分利用一般化學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)中節(jié)點(diǎn)和分支的特點(diǎn)，提出了一種基于狀態(tài)方程的一般化學(xué)習(xí)網(wǎng)絡(luò)辨識(shí)結(jié)構(gòu)，仿真結(jié)果說(shuō)明，這種新結(jié)構(gòu)比傳統(tǒng)的結(jié)構(gòu)更具有目的