神經(jīng)網(wǎng)絡(luò)基本介紹

1、第第6章章 神經(jīng)網(wǎng)絡(luò)辨識神經(jīng)網(wǎng)絡(luò)辨識及其應(yīng)用及其應(yīng)用神經(jīng)網(wǎng)絡(luò)辨識的特點不要求建立實際系統(tǒng)的辨識格式，即可省去系統(tǒng)結(jié)構(gòu)建模這一步不要求建立實際系統(tǒng)的辨識格式，即可省去系統(tǒng)結(jié)構(gòu)建模這一步驟驟;可以對本質(zhì)非線性系統(tǒng)進(jìn)行辨識可以對本質(zhì)非線性系統(tǒng)進(jìn)行辨識;辨識的收斂速度不依賴于待辨識系統(tǒng)的維數(shù)，只于神經(jīng)網(wǎng)絡(luò)本身辨識的收斂速度不依賴于待辨識系統(tǒng)的維數(shù)，只于神經(jīng)網(wǎng)絡(luò)本身及其所采用的學(xué)習(xí)算法有關(guān)及其所采用的學(xué)習(xí)算法有關(guān);在參數(shù)辨識中，神經(jīng)網(wǎng)絡(luò)的連接權(quán)值可以對應(yīng)于模型參數(shù)，通過在參數(shù)辨識中，神經(jīng)網(wǎng)絡(luò)的連接權(quán)值可以對應(yīng)于模型參數(shù)，通過權(quán)值的調(diào)節(jié)可使網(wǎng)絡(luò)輸出逼近于系統(tǒng)輸出權(quán)值的調(diào)節(jié)可使網(wǎng)絡(luò)輸出逼近于系統(tǒng)輸出;神經(jīng)網(wǎng)

2、絡(luò)作為實際系統(tǒng)的辨識模型，實際上也是系統(tǒng)的一個物理神經(jīng)網(wǎng)絡(luò)作為實際系統(tǒng)的辨識模型，實際上也是系統(tǒng)的一個物理實現(xiàn)，可以用于在線控制實現(xiàn)，可以用于在線控制;神經(jīng)網(wǎng)絡(luò)是一種黑箱建模工具。神經(jīng)網(wǎng)絡(luò)是一種黑箱建模工具。6.1 神經(jīng)網(wǎng)絡(luò)介紹神經(jīng)網(wǎng)絡(luò)介紹圖圖1 單神經(jīng)元結(jié)構(gòu)模型單神經(jīng)元結(jié)構(gòu)模型圖中圖中 為神經(jīng)元的內(nèi)部狀態(tài)，為神經(jīng)元的內(nèi)部狀態(tài)， 為閾值，為閾值， 為輸入信號，為輸入信號， ， 為表示從單元為表示從單元 到單元到單元 的連接權(quán)系數(shù)，的連接權(quán)系數(shù)， 為外部輸入信號。為外部輸入信號。 iuijxnj, 1 ijwjuisiujiijijisxwnet)(iinetfu )()(iiinethugyi

3、iuug)()(iinetfy 上圖中所示的模型可描述為：，即通常情況下，取 常用的神經(jīng)元非線性特性有以下三種：常用的神經(jīng)元非線性特性有以下三種：閾值型、分段線性型和函數(shù)型閾值型、分段線性型和函數(shù)型 。神經(jīng)元具有如下功能：神經(jīng)元具有如下功能：(1) 興奮與抑制：如果傳入神經(jīng)元的沖興奮與抑制：如果傳入神經(jīng)元的沖動經(jīng)整和后使細(xì)胞膜電位升高，動經(jīng)整和后使細(xì)胞膜電位升高，超過超過動作電位的動作電位的閾值閾值時即為興奮狀態(tài)，產(chǎn)時即為興奮狀態(tài)，產(chǎn)生神經(jīng)沖動，由軸突經(jīng)神經(jīng)末梢傳出。生神經(jīng)沖動，由軸突經(jīng)神經(jīng)末梢傳出。如果傳入神經(jīng)元的沖動經(jīng)整和后使細(xì)如果傳入神經(jīng)元的沖動經(jīng)整和后使細(xì)胞膜電位降低，胞膜電位降低，低

4、于低于動作電位的動作電位的閾值閾值時即為抑制狀態(tài)，不產(chǎn)生神經(jīng)沖動。時即為抑制狀態(tài)，不產(chǎn)生神經(jīng)沖動。(2) 學(xué)習(xí)與遺忘：由于神經(jīng)元結(jié)構(gòu)的可塑學(xué)習(xí)與遺忘：由于神經(jīng)元結(jié)構(gòu)的可塑性，突觸的傳遞作用可增強(qiáng)和減弱，因性，突觸的傳遞作用可增強(qiáng)和減弱，因此神經(jīng)元此神經(jīng)元具有學(xué)習(xí)與遺忘的功能具有學(xué)習(xí)與遺忘的功能。 決定神經(jīng)網(wǎng)絡(luò)模型性能三大要素為：決定神經(jīng)網(wǎng)絡(luò)模型性能三大要素為：(1) 神經(jīng)元（信息處理單元）的特性；神經(jīng)元（信息處理單元）的特性；(2) 神經(jīng)元之間相互連接的形式神經(jīng)元之間相互連接的形式拓?fù)浣Y(jié)拓?fù)浣Y(jié)構(gòu)；構(gòu)；(3) 為適應(yīng)環(huán)境而改善性能的學(xué)習(xí)規(guī)則。為適應(yīng)環(huán)境而改善性能的學(xué)習(xí)規(guī)則。212eeeww神經(jīng)網(wǎng)

5、絡(luò)特征神經(jīng)網(wǎng)絡(luò)特征（1 1）能逼近任意連續(xù)的非線性函數(shù)；能逼近任意連續(xù)的非線性函數(shù)；（2 2）信息的并行分布式處理與存儲；）信息的并行分布式處理與存儲；（3）可以多輸入、多輸出；）可以多輸入、多輸出；（4）便于用超大規(guī)模集成電路（）便于用超大規(guī)模集成電路（visi）或光學(xué)集成）或光學(xué)集成電路系統(tǒng)實現(xiàn)，或用現(xiàn)有的計算機(jī)技術(shù)實現(xiàn)；電路系統(tǒng)實現(xiàn)，或用現(xiàn)有的計算機(jī)技術(shù)實現(xiàn)；（5）能進(jìn)行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。）能進(jìn)行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。神經(jīng)網(wǎng)絡(luò)控制的研究領(lǐng)域神經(jīng)網(wǎng)絡(luò)控制的研究領(lǐng)域 （1 1）基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識 將神經(jīng)網(wǎng)絡(luò)作為被辨識系統(tǒng)的模型，可在已知將神經(jīng)網(wǎng)絡(luò)作為被辨識系

6、統(tǒng)的模型，可在已知常規(guī)模型結(jié)構(gòu)的情況下，估計模型的參數(shù)。常規(guī)模型結(jié)構(gòu)的情況下，估計模型的參數(shù)。 利用神經(jīng)網(wǎng)絡(luò)的線性、非線性特性，可建立線利用神經(jīng)網(wǎng)絡(luò)的線性、非線性特性，可建立線性、非線性系統(tǒng)的靜態(tài)、動態(tài)、逆動態(tài)及預(yù)測性、非線性系統(tǒng)的靜態(tài)、動態(tài)、逆動態(tài)及預(yù)測模型，實現(xiàn)非線性系統(tǒng)的建模。模型，實現(xiàn)非線性系統(tǒng)的建模。(2) (2) 神經(jīng)網(wǎng)絡(luò)控制器神經(jīng)網(wǎng)絡(luò)控制器 神經(jīng)網(wǎng)絡(luò)作為實時控制系統(tǒng)的控制器，對不神經(jīng)網(wǎng)絡(luò)作為實時控制系統(tǒng)的控制器，對不確定、不確知系統(tǒng)及擾動進(jìn)行有效的控制，使控確定、不確知系統(tǒng)及擾動進(jìn)行有效的控制，使控制系統(tǒng)達(dá)到所要求的動態(tài)、靜態(tài)特性。制系統(tǒng)達(dá)到所要求的動態(tài)、靜態(tài)特性。 (3) (3) 神經(jīng)網(wǎng)絡(luò)與其他算法相結(jié)合神經(jīng)網(wǎng)絡(luò)與其他算法相結(jié)合 將神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)、模糊邏輯、遺傳算法將神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)、模糊邏輯、遺傳算法等相結(jié)合，可設(shè)計新型智能控制系統(tǒng)。等相結(jié)合，可設(shè)計新型智能控制系統(tǒng)。(4)