基于 Oja 学习规则的 ANN 谐波分析算法

传统的ＡＮＮ（人工神经网络）训练过程多是建立在Ｈｅｂｂ学习机制的基础上的，但基本的Ｈｅｂｂ学习机制的收敛性往往难以令人满意；在ＡＤＡＬＩＮＥ模型的基础上，提出了一种新的、适用于电力系统谐波分析的ＡＮＮ算法，该算法的训练过程采用了Ｏｊａ学习规则，较好地保证了算法的收敛性。文中给出了利用该算法进行谐波分析的仿真结果，并与傅氏算法和最小二乘算法的计算结果进行了比较。算例表明，新算法具有精度高、收敛速度快的特点，用该算法得到的结果是令人满意的。

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。