基于广义回归神经网络的非线性时变系统辨识

摘要：

广义回归神经网络具有收敛速度快、计算量小,所需样本量少等优点,被广泛的应用于非线性系统辨识。本研究针对GRNN在时变环境下难以确定平滑因子,自适应能力弱的缺点,提出了一种自适应优化平滑因子的方案。仿真结果表明,改进后的GRNN有较强的自适应能力,能够在实际应用中很好的逼近和泛化较为复杂的非线性时变系统。

关键词： 人工神经网络 时变系统 系统辨识 算法理论

作者: 赵仕俊 张金磊 仲伟波

作者单位: 中国石油大学石油仪器仪表研究所 山东东营 257061 中国石油大学计算机与通信工程学院 山东东营 257061 中国石油大学信息与控制工程学院 山东东营 257061

会议类型: 国内会议

会议名称: 中国人工智能学会第12届全国学术年会

会议地点: 哈尔滨

会议语种:中文

页码: 750-755

在线出版日期: 2007-11-20（万方平台首次上网日期，不代表论文的发表时间）