文档介绍：该【基于人工神经网络的系统辨识讲课文档 】是由【胜利的喜悦】上传分享，文档一共【28】页，该文档可以免费在线阅读，需要了解更多关于【基于人工神经网络的系统辨识讲课文档 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。基于人工神经网络的系统辨识
第1页，共28页。
主要内容
人工神经网络的概述
人工神经元模型
人工神经网络的结构
人工神经网络的学习
几种典型的人工神经网络
系统辨识概述
系统辨识的基本概念
系统辨识的三要素
系统辨识的基本过程
基于神经网络的系统辨识技术
人工神经网络辨识的基本原理
飞行器系统气动力参数辨识
第2页，共28页。
人工神经网络的概述
人工神经元模型
生物神经元结构
第3页，共28页。
人工神经网络的概述
人工神经元模型
三个基本要素：
1、连接权；2、求和单元；3、激活函数。
数学模型
第4页，共28页。
人工神经网络的概述
激活函数：
1、硬限幅(Heaviside)激活函数
2、线性激活函数
3、对数-S型(sigmoid)激活函数
4、对称硬极限激活函数
5、饱和线性激活函数
6、双曲正切S型激活函数
7、正线性激活函数
……
第5页，共28页。
人工神经网络的概述
神经网络的结构
前馈型网络（FNN）
根据激活函数的不同，FNN又可分为多种类型。如多层感知器（MLP）、径向基网络（RBF）、小波网络（WN）
第6页，共28页。
人工神经网络的概述
反馈（递归）型网络
全局反馈：Hopfield网络、Elman网络
局部反馈网络是在单个神经元上进行反馈，类型很多
第7页，共28页。
人工神经网络的概述
神经网络的学习
通过向环境学习获取知识并改进自身性能是神经网络的一个重要特点，在一般情况下，性能的改善是按某种规定的度量调节自身参数（如权值）并随时间逐步达到的，学习方式（按环境所供信息的多少分）有以下三种：
有监督学习
无监督学习
强化学习
学习算法：
δ学习规则（误差纠正规则）
Hebb学习规则
竞争学习
第8页，共28页。
人工神经网络的概述
几种典型的人工神经网络
感知机神经网络
BP（Back Propagation）神经网络
径向基（Radial Basis Function, RBF）神经网络
竞争学习神经网络
Hopfield神经网络
Boltzmann神经网络
……
第9页，共28页。
人工神经网络的概述
BP神经网络
隐含层和输出层的激活函数采用对数-S型激活函数
第10页，共28页。