用于字符識別和動態(tài)系統(tǒng)辨識的人工神經(jīng)網(wǎng)絡設計.pdf

1、人工神經(jīng)網(wǎng)絡是基于模仿大腦神經(jīng)網(wǎng)絡結(jié)構(gòu)和功能而建立的一種信息處理系統(tǒng)，已經(jīng)在諸多領(lǐng)域得到了廣泛應用，具有重要的實踐意義和理論價值。本論文在對人工神經(jīng)網(wǎng)絡進行了深入研究的基礎上，根據(jù)各種神經(jīng)網(wǎng)絡自身所具有的特點，精心挑選了幾種人工神經(jīng)網(wǎng)絡用于字符識別和動態(tài)系統(tǒng)辨識。 目前提出和應用于字符識別的神經(jīng)網(wǎng)絡有很多種，如感知器網(wǎng)絡、BP神經(jīng)網(wǎng)絡、模糊神經(jīng)網(wǎng)絡、RBF神經(jīng)網(wǎng)絡、Hopfield網(wǎng)絡等。由于每種網(wǎng)絡的結(jié)構(gòu)、學習算法不同，所以它

2、們的識別能力也不同，各有特點。本論文的第一項研究工作就是選擇了三種具有模式識別功能的典型網(wǎng)絡用于26個英文字母的識別，分別是單層感知器、BP網(wǎng)絡和Hopfield網(wǎng)絡，并根據(jù)這三種網(wǎng)絡在結(jié)構(gòu)、算法及其特性上的不同點，進行了具體的不同的設計過程。在對網(wǎng)絡進行識別出錯率大小的測試時，是通過在標準字母上加上隨機偏差模擬手寫體字母作為網(wǎng)絡的輸入進行測試的。通過實驗結(jié)果給出的各網(wǎng)絡的識別出錯率，著重對所設計的三種人工神經(jīng)網(wǎng)絡用于26個字母識別時網(wǎng)

3、絡容錯性及識別能力的強弱進行了對比分析。 本論文的第二項研究工作是采用人工神經(jīng)網(wǎng)絡對動態(tài)系統(tǒng)進行辨識。為了體現(xiàn)系統(tǒng)的動態(tài)特性，需要選擇具有動態(tài)演化過程的神經(jīng)網(wǎng)絡。遞歸神經(jīng)網(wǎng)絡是一種真正的動態(tài)神經(jīng)網(wǎng)絡，其網(wǎng)絡結(jié)構(gòu)中存在信息的延時及信息的反饋，所以它具備逼近系統(tǒng)動態(tài)過程的性能。本論文選取的是對角遞歸神經(jīng)網(wǎng)絡，在給出了對角遞歸神經(jīng)網(wǎng)絡的網(wǎng)絡結(jié)構(gòu)、學習算法以及保證網(wǎng)絡穩(wěn)定前提下的學習速率取值范圍后，結(jié)合具體的系統(tǒng)，分別對一階線性動態(tài)系統(tǒng)

4、和二階非線性動態(tài)系統(tǒng)進行了辨識，進行了詳細的網(wǎng)絡設計，包括網(wǎng)絡結(jié)構(gòu)的選定，網(wǎng)絡參數(shù)的訓練過程以及學習速率的初始值選取及其調(diào)整順序，并從網(wǎng)絡訓練時間、訓練誤差及穩(wěn)定性三方面角度分析了網(wǎng)絡各參數(shù)對網(wǎng)絡訓練的影響。同時針對網(wǎng)絡使用的DBP(Dynamic backpropagation)算法具有陷入局部極小值的缺點，引進混沌優(yōu)化算法，利用混沌優(yōu)化算法全局尋優(yōu)的特點選取網(wǎng)絡初始權(quán)值，將其與DBP算法結(jié)合起來對網(wǎng)絡進行訓練，并對二階非線性動態(tài)系統(tǒng)