基于Hopfield神经网络和PSO的线性系统辨识方法

研究了一种基于连续型Hopfield神经网络和粒子群优化(PSO)的线性系统辨识方法。首先建立了系统的预测模型以及辨识误差函数,然后将误差函数近似为连续型Hopfield神经网络的能量函数。利用神经网络的自我演化,得到近似的辨识参数。通过引入PSO机制,缓解了Hopfield神经网络在辨识过程可能陷入局部极小值的缺陷,增强了辨识的效果。最后,仿真研究验证了所提方法的有效性。