用于字符識別和動態(tài)系統(tǒng)辨識的人工神經網絡設計.pdf

1、人工神經網絡是基于模仿大腦神經網絡結構和功能而建立的一種信息處理系統(tǒng)，已經在諸多領域得到了廣泛應用，具有重要的實踐意義和理論價值。本論文在對人工神經網絡進行了深入研究的基礎上，根據各種神經網絡自身所具有的特點，精心挑選了幾種人工神經網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網絡有很多種，如感知器網絡、BP神經網絡、模糊神經網絡、RBF神經網絡、Hopfield網絡等。由于每種網絡的結構、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絡用于26個英文字母的識別，分別是單層感知器、BP網絡和Hopfield網絡，并根據這三種網絡在結構、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絡的輸入進行測試的。通過實驗結果給出的各網絡的識別出錯率，著重對所設計的三種人工神經網絡用于26個字母識別時網

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網絡對動態(tài)系統(tǒng)進行辨識。為了體現系統(tǒng)的動態(tài)特性，需要選擇具有動態(tài)演化過程的神經網絡。遞歸神經網絡是一種真正的動態(tài)神經網絡，其網絡結構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網絡，在給出了對角遞歸神經網絡的網絡結構、學習算法以及保證網絡穩(wěn)定前提下的學習速率取值范圍后，結合具體的系統(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，進行了詳細的網絡設計，包括網絡結構的選定，網絡參數的訓練過程以及學習速率的初始值選取及其調整順序，并從網絡訓練時間、訓練誤差及穩(wěn)定性三方面角度分析了網絡各參數對網絡訓練的影響。同時針對網絡使用的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)的特點選取網絡初始權值，將其與DBP算法結合起來對網絡進行訓練，并對二階非線性動態(tài)系統(tǒng)