一种改进的NARX回归神经网络

摘要：

经典NARX回归神经网络在应用时需要确定输入和输出的延时阶数、隐层神经元数目等三个结构参数,给神经网络的设计造成了很大的困难.为了克服这一缺陷,根据生物神经元机能提出了一种新的动态神经元模型,并将其用于经典NARX回归神经网络中,形成了一种改进的NARX回归神经网络.新的神经网络在应用时只需确定隐层神经元数目,从而简化了神经网络的结构设计.本文还进一步从理论上分析了该神经网络与经典NARX回归神经网络的等效关系,并用李雅普诺夫(Lyapunov)稳定性原理证明了该网络的稳定性.仿真试验表明,新的神经网络不仅辨识能力优于经典NARX回归神经网络,而且泛化能力得到了明显提高.

关键词：NARX回归神经网络、动态神经元、非线性系统辨识

所属期刊栏目：28

分类号：TP183(自动化基础理论)

资助基金：河南省自然科学基金项目0122050500;河南省教育厅自然科学基金项目20015200010

在线出版日期：2009-09-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：6-8,11