基于前向神经网络的非线性时变系统辨识的改进递推最小二乘算法
标准的递推最小二乘算法随着递推次数的增加，增益矩阵将逐渐趋于零，致使递推算法慢慢失去修正能力，出现所谓的“数据饱和”现象。为了克服“数据饱和”问题，本文首先对递推最小二乘算法进行改进，得到了改进的最小二乘算法(IRLS)，并给出了收敛性证明，然后将该算法应用于基于前向神经网络的非线性时变系统辨识。通过对两个非线性时变系统进行有效验证，仿真结果表明本文算法计算精度高、计算速度快、数值稳定性好、抗噪声干扰能力强，并能有效克服“数据饱和”。
非线性时变系统 多层前向神经网络 系统辨识 改进最小二乘算法 数据饱和
于开平 牟晓明
哈尔滨工业大学航天学院,哈尔滨15001
国内会议
杭州
中文
2008-07-27（万方平台首次上网日期，不代表论文的发表时间）