10.3969/j.issn.1006-9348.2006.07.021
带动量批处理梯度下降法对模型的动态辨识
针对生产过程中参数容易受外界影响而改变,传统的系统辨识方法难以得到精确的数学模型的实际情况,介绍一种用改进的BP神经网络辨识对象模型的方法.采用串-并联型的辨识结构;针对BP算法收敛速度慢,容易陷入局部最小的缺点,提出了带动量的批处理梯度下降的方法;为了更有效地辨识对象的动态过程模型,其输入/输出加上按拍延迟线.用MATLAB对该改进的BP神经网络辨识方法进行了设计、仿真和性能分析,结果表明:该方法具有良好的辨识能力.
神经网络、动量、批处理、动态辨识
23
N945.12(系统科学)
2006-08-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
76-78,83