JORDAN神经网络在系统辨识中应用研究

给出了基于强跟踪滤波器的Jordan神经网络训练方法,该方法是一种新的学习算法。Jordan网络可以表示输出的动态特性,改进后还可以反映状态特性,更适于动态系统辨识。强跟踪滤波具有鲁棒性好、收敛快等优点,将两者结合可以得到很好的辨识效果。最后,通过仿真实例验证该方法的有效性。

Jordan神经网络的改进研究

针对Jordan神经网络的反馈网络的反馈信息表征能力不强的缺点,提出了一种新的反馈网络模型,对Jordan神经网络的缺点进行了改进,并且对原来的训练学习算法进行了改进,提出了一种提取绝对值最大权的训练学习算法来降低计算复杂性,最终给出了实验结果证明。

几种递归神经网络及其在系统辨识中的应用

递归网络中包含延时变量 ,用其来进行系统辨识时可以得到动态网络系统。首先介绍了Elman网络和Jordan网络及其改变型。根据网络的输入 /输出数据 ,采用BP算法和数值优化算法进行训练 ,并利用一个具体的系统模型辨识的例子 ,通过性能对比揭示了各网络用于系统辨识时的优缺点 ,为递归网络的合理应用提供参考。