改进的Elman网络在非线性系统辨识中的应用

被引：10

作者：

邵奎星

申东日

陈义俊

范燕

机构：

[1] 辽宁石油化工大学信息与控制工程学院

来源：

河南科技大学学报(自然科学版) | 2007年 / 01期

关键词：

神经网络; BP算法; 非线性动量项; 自适应变步长;

D O I：

10.15926/j.cnki.issn1672-6871.2007.01.015

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

通过对Elman网络的研究,提出一种新型的基于输入层、隐层、输出层神经元递归的动态递归神经网络,给出Elman网络的标准BP学习算法,针对标准BP算法的收敛速度慢和容易收敛于局部极小点的缺点,利用非线性动量项自适应变步长的BP算法进行改进,从而提高算法的收敛速度,避免陷入局部极小点的问题。通过在系统辨识中的应用,表明该网络收敛速度快,模型精度高,并具有较强的自适应性和鲁棒性,适合于动态系统的实时辨识。

引用

页码：53 / 56+108 +108

页数：5

共 8 条

[1]

智能预测控制及其应用.[M].诸静等著;.浙江大学出版社.2002,

[2]

Elman神经网络在加热炉预测控制中的应用 [J].