推荐星级：

智能控制技术第二版第五章神经网络控制论

更新时间：2023-12-15 22:57:18 大小：1M 上传用户：sun2152 查看TA发布的资源 标签：智能控制神经网络 下载积分：2分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

智能控制技术第二版第五章神经网络控制论由于神经网络本质上是一个大规模并行分布处理的非线性动力学系统，并在更高层次上体现出一些人脑的智能行为，为智能控制提供了新途径。神经网络控制的优越性体现在：神经网络可以处理那些难以用模型或规则描述的过程或系统。神经网络采用并行分布式信息处理，具有很强的容错性。神经网络是本质的非线性系统。神经网络具有很强的信息综合能力。神经网络的硬件实现愈趋方便。神经网络控制器的分类根据神经网络在控制系统中的作用不同，又可分为两大类一是神经控制，它是以神经网络为基础而形成的独立智能控制系统二是混合神经网络控制，它代表着那些利用神经网络学习和优化能力来改善传统的控制方法神经网络控制器的典型分类导师指导下的控制器逆控制器自适应网络控制器前馈控制结构自适应评价网络混合控制系统神经内模控制结构：系统的实际输出与模型M的输出信号差用于反馈的目的。这个反馈信号通过前向通道上的控制子系统G预处理。通常G是一个滤波器，用于提高系统的鲁棒性。系统模型M和控制器C可以由神经网络来实现神经网络的逼近能力首先要搞清楚到底什么样的被控系统可以用神经网络来描述。对于众多的神经网络类型来说，要得到一个统一的神经网络逼近理论是不现实的，况且，还有很多神经网络结构的逼近性问题至今尚未得到证明多层前向传播神经网络能够相当好地逼近许多实际问题中的非线性函数。这一节就要回答这个问题。神经网络的逼近能力含有两个隐含层的前向传播神经网络，且神经元激励函数为单调的S型函数，则此神经网络能够得到合适的逼近精度对于在紧凑集中的任何平方可积函数可以通过有限个隐含神经元组成的二层前向传播神经网络来逼近，并能达到任意逼近精度。考虑具有单个隐含层的前向传播神经网络，其输出属于集合：其中：x表示n维输入矢量， =(1,xT)T; vj 表示隐含层第j个神经元到输出层的权值； wj 表示输入矢量到隐含层第j个神经元的权值矢量 j=1,2,...,q； q为隐含层神经元个数； Ψ(·)为隐含层神经元特性。神经网络的逼近能力定理5-1: 若神经元的激励函数Ψ(·)是S-型连续函数。那么，Σ(Ψ)在C（U）中是 ρ-稠密。这个定理说明，只要是有限空间中的连续函数g(x),总存在具有上述神经元特性Ψ(·)的三层网络Σ(Ψ)，使得其输出函数f(x)能够以任意精度逼近g(x)。对于非连续函数是否也有类似的神经网络来逼近它呢？如果能够实现这样的逼近，则非连续函数g(x)应该满足什么样的条件？Hornik等人在1989年发表论文中阐明了多层前向传播神经网络可以逼近任意连续函数或分段连续函数系统辨识的三要素：模型的选择神经网络用于系统辨识的实质就是选择适当的神经网络模型来逼近实际系统，即为神经网络模型类， ∈ 为一神经网络。考虑到多层前向传播网络具备良好的学习算法，本章我们选择多层前向传播网络为模型类，为一能充分逼近实际系统而又不过分复杂的多层网络。