一种鲁棒BP算法及其在非线性动态系统辨识中的应用

利用多层前馈神经网络的非线性建模特性，基于动态ＢＰ网络的串并联和并联模型，提出一种高鲁棒性ＢＰ算法．与传统的ＢＰ算法相比，鲁棒ＢＰ算法有５个优点：（１）适合于非线性动态系统辨识；（２）辨识精度高；（３）不必内插所有训练样本；（４）具有高鲁棒性，能抵制过失误差和量测误差；（５）收敛速度得到了改进，因为错误样本的影响得到了适度的抑制．把该算法用于非线性动态系统辨识。

自适应鲁棒BP算法及其应用研究

本文针对传统BP算法在进行系统辨识时存在着速度慢、非平滑内插、受噪声影响很大、逼近精度不高等问题,并基于最大似然法对传统BP算法误差函数和能量函数及权值修正规则进行了修正,在此基础上提出了自适应鲁棒BP算法(ARBP),把它用于非线性系统动态辨识的应用研究中.仿真结果表明,ARBP算法能有效地进行非线性系统的动态辨识,并在逼近精度、收敛速度、防止量测噪声和过失误差对辨识影响等方面优于传统BP算法,从而为非线性系统的动态辨识提供了一个新的鲁棒算法.