基于模块化神经网络的非线性系统动态建模

摘要：

本文针对非线性系统的建模,提出一种基于模块化神经网络的动态建模方法.该方法是多个神经网络以协同方式构建的学习系统,各子网络有不同的功能,能区别出不同时间阶段动态数据对拟合效果的影响,从而提高系统的泛化能力和学习算法的稳定性.采用具有快速收敛功能的L-M算法训练子网络,为了避免模型陷入局部极小值和相互关联,利用具有全局优化能力的遗传算法确定网络结构和初始权值.仿真结果表明模块化神经网络比单一的网络结构具有更好的建模效果.

关键词： 模块化神经网络 非线性系统 动态建模 L-M算法 遗传算法

作者: 刘英玉 申东日 陈义俊 李蓉

作者单位: 辽宁石油化工大学,信息工程学院,辽宁,抚顺,113001

会议类型: 国内会议

会议名称: 2006中国控制与决策学术年会

会议地点: 天津

会议语种:中文

页码: 397-400

在线出版日期: 2006-07-01（万方平台首次上网日期，不代表论文的发表时间）