基于累积量的两层前馈神经网络盲辨识
由于非线性系统输出是其参数的非线性函数,直接利用高阶累积量辨识两层前馈神经网络(FNN)通常是十分困难的.为解决这一问题,该文提出两种基于四阶累积量的FNN辨识方法.第一种方法,FNN的隐元在其输入空间利用多个线性系统近似,进而FNN利用一统计模型-混合专家(ME)网络重新描述.基于ME模型,FNN参数可利用统计期望值最大化(EM)算法获得估计.第二种方法,为简化FNN的ME模型,引入隐含观测量.基于隐含观测量估计,FNN被分解为多个单隐元的训练问题,进而整体FNN可利用一两阶层ME描述.基于单隐元的参数估计,FNN可利用一具有更快收敛速度的简化算法获得估计.
ME模型、EM算法、基于累积量的系统辨识
24
TN-052
国家自然科学基金69872021;广东省自然科学基金980438
2003-11-14(万方平台首次上网日期,不代表论文的发表时间)
共9页
45-53