基于模糊δ规则的模糊关系方程求解算法的改进

首先给出反例说明LiXiaozhong等人提出的基于模糊δ规则的神经网络学习算法中的基础引理是有缺陷的 ,然后直接对算法进行了改进 ,并证明了改进后算法的有效性 .最后用数字例子对改进后的算法进行了验证 。

前馈神经网络快速算法及其应用

针对现有前馈神经网络学习算法的缺陷 ,提出一种前馈神经网络的快速学习算法。该算法是基于无监督学习中的主元分析算法的 Oja规则和监督学习中δ规则的。与现有同类算法相比 ,该算法简化了学习过程 ,计算量小 ,有更快的学习收敛速度和更高的收敛精度 ,较适用于快速学习的系统辨识和其他应用。系统辨识的仿真实例表明了该算法的优良性能。

用自适应神经网络辨识异步电机转速

根据观测异步电机磁链的电压模型和电流模型 ,利用电机易于检测到的定子电压和电流 ,通过Simulink模块和S函数建立了自适应神经网络模型对异步电机转速进行辨识。该方法简单直观 ,仿真结果表明 ,观测模型可达到 1%的精度 ,可为无速度传感器矢量控制系统提供一种速度观测方法。