文档介绍：一种新型联想记忆神经网络在非线性系统辨识中的研究吴学礼孟凡华杜太行O爰且渖窬缃峁记忆是生物神经系统的一个独特而重要的功能,联想记忆是人脑记忆的~种重要形式,例如看到一个人的名字就会想到他的容貌和性格,听到一首歌曲的一部分就可以联想起整个曲子等等。联想记忆有两个突出的特点,第~,信息的存取是有信息本身的内容来实现的,第二,信息是分布存储的人工神经网络本质上是用来描述非线性系统,它能够充分逼近任意复杂的非线性关系。高度的自适应性和自组织性,能够学习和适应严重不确定性系统的动态特性。由于系统信息等势分布存储在网络的各神经元及其连接权中,故有很强的鲁棒性和容错能力。信息的并行处理方式是的快速进行大量运算成为可能。神经网络的这些特点使它具有人脑联想记忆的能力成为可能【系统建模和辨识是控制理论的基本问题,随着科学技术的发展,控制性能要求越来越高。而非线性是普遍存在的,当系统的非线性严重并且要求得到高品质的控制效果时,使得以往基于精确数学模型的系统辨识的理论难以凑效,相比之下神经网络的给人们提供了一种新的系统辨识途径【。目前在系统辨识和建模中应用最多的是多层前馈网络。具有联想记忆功能的反馈性神经网络由于其本身结构和算法的缺陷。例如,具有动态记忆能力的纾娜毕菔茄练时间长、鲁棒性差。而具有联想存储器功能的网络模型,存在着假吸引域和记忆容量有限等缺陷,一般不用来做辨识器,应用受到一定的局限性。本文以人脑记忆部分而联想整体的特点为基础,引入记忆衰减因子,通过改进神经网络结构和学习算法,提高了对非线性系统的辨识能力。通过仿真结果表明该网络及其算法的有较强的自适应性和鲁棒性。联想记忆神经网络结构与莨橥缦嗤Γ际遣糠值莨榈纳窬纭S多层前向神经网络相同之处,输入层仅起信号传输作用,输出层单元起线性加权和作用,隐摘要;网络模型具有联想存储器功能化能力比较低。本文介绍一种新型动态递归网络但对系统的辨识不适用。窬绲姆通过引入记忆衰减因子,提高了对非线性系统的辨识能力。该算法与网络模型比较,具有良好的自适应性和鲁棒性等特点。关键词:联想记忆;神经网络;系统辨识河北科技大学电气信息学院,石家庄市,颖惫ひ荡笱У缙こ萄г海旖颍。.
,输出为∈埃艏羌且渌ゼ跣藕攀淙胛獄。蔙“,隐层输出为蕖蔙蛴腥缦路窍咝员泶锸匠闪ⅲ,苌坳八惴ê图且渌ゼ跻蜃拥难∪层单元可用线性或非线性激活函数。根据人的思维特点,本文作者将联想记忆神经网络结构做出改进。输出值经过一步延时后反馈到输出端,并在反馈通道上加入记忆衰减因子,见图J涑鑫猰个节点;输入为个节点;中间层有鼋诘恪记忆衰减因子的引入,使得神经网络具有从部分联想到整体的记忆功能。记忆衰减因子在网络训练时其参数能够调整,它有一个最低限。就如同人脑记忆一样,发生一件事情后,过一段时问候,就会慢慢的忘掉一部分,当某个人提起或当他看到相关那件事的某些事物时,就能使人想起整个事情来。所以引入的记忆衰减因子是有最低限度的。人脑记忆的一个特点是记忆信息是分布存储的,而人工神经网络就是通过训练使信息分布在神经元连接的权值中。联想记忆神经网络输入层包括当前的外部输入褂幸桓鍪涑龅ピ7蠢』乩吹牧想记忆信号籯4邮淙氩愕绞涑霾悖嗟庇诙嗖闱跋蛲纾淙氩阃ü跋虼úゲ涑觯标准的算法可用来进行连接权修正。设神经网络的外部输入为十甀,口选唬Α其中、、直鹞<且渌ゼ醯ピ5揭悖淙氩愕ピ5揭悖愕绞涑霾愕连接权矩阵,