| 【中文题名】 | 递归神经网络的研究及在非线性动态系统辨识中的应用 |
| 【英文题名】 | The Research of Recurrent Neural Network and Its Application on Nonlinear Dynamic System Identification |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-11-14 |
| 【中关键词】 | 递归神经网络,结构,学习算法,非线性动态系统,辨识, |
| 【英关键词】 | recurrent neural network,structures,learning algorithm,nonlinear dynamic system,identification, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 | 非线性动态系统的辨识一直是控制领域研究的难点和热点。传统的多层前向神经网络属于静态网络,在非线性动态系统的应用中存在很多问题。而递归神经网络由于其反馈特征,能够获取系统的动态相应特征,更适合于非线性动态系统的辨识。并且在辨识中,不需事先选择模型阶次,简化了辨识过程。因此,递归神经网络是控制系统辨识中最具发展潜力的网络。近年来引起人们的广泛关注。
递归神经网络的结构有许多种,由于结构上的不同,必然导致输入/输出关系的相异,因而表现出不同的动态变化性能。本文对递归神经网络的结构作出了总结。将递归动态网络分为三大类:全局反馈递归网络、前向递归网络和混合型递归网络。每一类网络又可分为若干种网络。给出了每种网络描述网络特 |
| 【论文题纲】 |
|
图表索引 |
14-16 |
|
符号索引 |
16-18 |
|
第一章 绪论 |
18-28 |
|
1．1 神经网络技术的发展及现状 |
18-21 |
|
1．1．1 神经网络的发展 |
19-20 |
|
1．1．2 神经网络的特点及其用于控制领域的优越性 |
20-21 |
|
1．2 神经网络系统辨识的应用现状 |
21-22 |
|
1．3 递归神经网络的兴起 |
22-23 |
|
1．4 神经网络学习算法的现状 |
23-24 |
|
1．4．1 BP学习算法的产生 |
23-24 |
|
1．4．2 递归神经网络学习算法的现状 |
24 |
|
1．5 课题的提出及创新 |
24-26 |
|
1．6 论文结构 |
26-28 |
|
第二章 递归神经网络的结构 |
28-40 |
|
2．1 引言 |
28 |
|
2．2 全局反馈型递归神经网络 |
28-30 |
|
2．2．1 ARX网络和 NARX网络 |
28-29 |
|
2．2．2 Hopfield网络 |
29-30 |
|
2．2．3 约旦网络 |
30 |
|
2．3 前向递归神经网络 |
30-38 |
|
2．3．1 局部联接递归神经网络 |
30-35 |
|
2．3．2 全联接型递归神经网络 |
35-38 |
|
2．4 混合型递归神经网络 |
38 |
|
2．5 小结 |
38-40 |
|
第三章 性能优化及BP算法 |
40-48 |
|
3．1 性能优化 |
40-43 |
|
3．1．1 最速下降法 |
40-42 |
|
3．1．2 牛顿法 |
42-43 |
|
3．2 BP算法 |
43-48 |
|
3．2．1 反向传播的思想 |
43-47 |
|
3．2．2 BP算法小结 |
47-48 |
|
第四章 递归神经网络的学习算法 |
48-59 |
|
4．1 递归神经网络的基本模型 |
48-49 |
|
4．2 递归神经网络的基本学习算法 |
49-52 |
|
4．2．1 引言 |
49-50 |
|
4．2．2 内时延反馈型递归神经网络的BP学习算法 |
50-52 |
|
4．3 递归神经网络的先进学习算法 |
52-59 |
|
4．3．1 基于递推最小二乘法的递归神经网络 |
52-56 |
|
4．3．2 递归神经网络的RPE算法 |
56-59 |
|
第五章 递归神经网络的 LM学习算法及改进 |
59-68 |
|
5．1 引言 |
59 |
|
5．2 LM算法 |
59-61 |
|
5．3 递归神经网络的 LM学习算法 |
61-65 |
|
5．3．1 对角递归神经网络的 LM学习算法 |
61-64 |
|
5．3．2 一般递归神经网络的 LM学习算法 |
64-65 |
|
5．4 递归神经网络的并行 LM学习算法 |
65-67 |
|
5．5 小结 |
67-68 |
|
第六章 递归神经网络的Alopex算法及改进 |
68-75 |
|
6．1 引言 |
68 |
|
6．2 Alopex算法 |
68-69 |
|
6．3 递归神经网络的Alopex算法 |
69-71 |
|
6．4 递归神经网络的改进Alopex算法 |
71-74 |
|
6．5 小结 |
74-75 |
|
第七章 递归神经网络的系统辨识 |
75-94 |
|
7．1 引言 |
75-76 |
|
7．2 传统辨识与神经网络辨识 |
76-79 |
|
7．3 神经网络辨识的基本结构 |
79-80 |
|
7．3．1 正向建模 |
79 |
|
7．3．2 逆向建模 |
79-80 |
|
7．4 非线性动态系统的神经网络辨识 |
80-83 |
|
7．4．1 非线性动态系统的描述 |
80-81 |
|
7．4．2 前向神经网络对非线性动态系统辨识 |
81-82 |
|
7．4．3 递归神经网络对非线性动态系统辨识 |
82-83 |
|
7．5 递归神经网络建模实例 |
83-93 |
|
7．5．1 函数逼近 |
84-87 |
|
7．5．2 燃油加热炉的建模 |
87-89 |
|
7．5．3 传感器校正 |
89-93 |
|
7．6 小结 |
93-94 |
|
第八章 结束语 |
94-97 |
|
参考文献 |
97-103 |
|
致谢 |
103-104 |
|
攻读硕士研究生学位期间发表的论文 |
104 |
|
| 【DOI】 | LunWen.ID:2.2008.387582 |
