论文题目: 反馈神经网络的结构设计、学习算法及其应用研究
论文类型: 博士论文
论文专业: 信息与通信工程
作者: 乔士东
导师: 沈振康
关键词: 反馈网络,反馈多层感知网络,模糊多层感知网络,网络群,扩展卡尔曼滤波,动态导数,自适应状态滤波,负相关学习算法
文献来源: 国防科学技术大学
发表年度: 2005
论文摘要: 反馈神经网络的理论研究和实际应用涉及人工智能、信号处理、非线性控制等众多领域。目前国内外对反馈神经网络的研究集中在应用领域,而对反馈网络的理论问题研究则相对欠缺。本文对反馈王络的若干理论问题进行了较为深入的研究,内容涉及反馈网络的学习算法和网络结构设计,研究对象为反馈多层感知网络、反馈TGK网络和网络群等。 本文的主要工作如下: (1) 设计了一种简洁的局部反馈TSK网络。该网络能解释成简洁的If-Then规则,从而保持了TSK网络的可理解性。这使该网络明显优于Chia-Feng Juang和P. A. Mastorocostas所设计的反馈网络; (2) 设计了一种基于二阶运算的局部反馈TSK网络。该网络同样能解释成简洁的If-Then规则,从而保持了TSK网络的可理解性。仿真表明该网络有良好的动态系统处理能力,说明设计TSK网络时采用二阶运算是可行的; (3) 提出了一种基于GA的TSK网络结构优化算法。该算法利用了TSK网络的结构特点,从而显著提高了算法的执行效率。仿真表明该算法能有效地简化TSK网络的结构; (4) 提出了RMLP网络动态导数的快速计算公式。与G. V. Puskorius所给动态导数公式相比,本文方法的计算复杂度显著降低。仿真时,本文方法的运算时间仅为前者的30%～60%,而存储量仅为前者的50%左右; (5) 提出了UKF训练RMLP网络的快速算法,这是UKF在神经网络领域中的新工作。仿真时,本文算法能节约80%的计算时间;对UKF(2N_w+1),本文算法能节约90%的存储空间; (6) 关于网络群的负相关学习算法,本文证明了一个命题。该命题揭示出负相关算法的实质是实现多目标优化,并在概念和实现两方面简化了负相关算法; (7) 把DEKF算法用于训练模糊多层感知网络。这既为该网络找到了一种高效的学习算法,又拓展了DEKF算法的应用范围; (8) 改进了A. G. Parlos提出的自适应状态滤波方法。本文所作改进使滤波系统易于实现,并增强了滤波系统的稳健性。
论文目录:
第一章 序言
§1．1 课题背景及研究意义
§1．2 国内外研究现状
§1．3 本文的主要工作和内容安排
第二章 反馈TSK网络的结构设计与结构优化
§2．1 引言
§2．2 网络结构设计之一：一个简洁的反馈TSK网络
§2．2．1 经典TSK网络的拓扑结构
§2．2．2 反馈TSK网络的拓扑结构
§2．2．3 动态系统控制仿真
§2．2．4 结论
§2．3 网络结构设计之二：一个基于二阶运算的反馈TSK网络
§2．3．1 基于二阶运算的反馈TSK网络
§2．3．2 二阶网络的动态导数
§2．3．3 动态系统辨识仿真
§2．3．4 结论
§2．4 基于GA的TSK网络结构优化算法
§2．4．1 网络结构优化算法的一般步骤
§2．4．2 基于GA的网络结构优化算法
§2．4．3 动态系统辨识仿真
§2．4．4 与其它结构优化算法的比较
第三章 动态导数的快速计算
§3．1 引言
§3．2 G．V．Puskorius的动态导数公式
§3．3 动态导数的快速计算
§3．4 本文方法与文献方法的比较
§3．4．1 本文方法和文献方法的计算复杂度
§3．4．2 动态系统辨识仿真
§3．5 结论
第四章 UKF训练RMLP网络的快速算法
§4．1 引言
§4．2 UKF算法
§4．3 UKF训练RMLP网络的快速算法
§4．3．1 反向遍历sigma点
§4．3．2 解耦合方法
§4．3．3 本文方法的计算复杂度
§4．4 动态系统辨识仿真
§4．5 结论
第五章 网络群负相关训练算法的等价形式
§5．1 引言
§5．2 负相关算法的等价形式
§5．2．1 负相关算法及其存在的问题
§5．2．2 负相关算法的等价形式
§5．2．3 统一的目标函数
§5．3 增量学习策略
§5．4 新目标函数的仿真
§5．5 结论
第六章 DEKF训练FMLP网络
§6．1 引言
§6．2 截集方法
§6．2．1 FMLP网络的定义
§6．2．2 隶属度函数模型和导出域运算
§6．2．3 截集方法
§6．3 DEKF算法和Jacobi阵计算公式
§6．4 两组模糊数据的仿真
§6．5 结论
第七章 基于反馈网络的自适应状态滤波
§7．1 引言
§7．2 改进的自适应状态滤波方法
§7．2．1 EKF算法
§7．2．2 A．G．Parlos的自适应状态滤波方法
§7．2．3 对文献方法的改进
§7．2．4 状态滤波系统的仿真
§7．3 动态系统状态的直接估计
§7．3．1 单个RMLP网络作为状态估计器
§7．3．2 RMLP网络群作为状态估计器
§7．3．3 P．A．Mastorocostas网络作为状态估计器
§7．4 结论
结束语
致谢
附录
附录A、P．A．Mastorocostas网络带第2型隶属度函数时的偏导数
附录B、Chia-FengJuang网络用高斯型隶属度函数时的偏导数
附录C、Chia-FengJuang网络带第2型隶属度函数时的偏导数
附录D、网络群的各种评价指标
附录E、状态滤波网络只与状态预测网络耦合时的动态导数
附录F、状态滤波网络被两个预测网络耦合时的动态导数
参考文献
攻读博士期间撰写和发表的论文
攻读博士期间参加和完成的科研任务
发布时间: 2005-11-07
参考文献
- [1].延迟反馈神经网络和两层反馈神经网络的研究[D]. 吴桂坤.厦门大学2008
- [2].反馈神经网络的动态行为研究[D]. 张强.西安电子科技大学2002
相关论文
- [1].延迟反馈神经网络和两层反馈神经网络的研究[D]. 吴桂坤.厦门大学2008
- [2].人工神经网络技术及其应用[D]. 覃光华.四川大学2003
- [3].反馈神经网络的动态行为研究[D]. 张强.西安电子科技大学2002
- [4].基于神经网络的建模方法与控制策略研究[D]. 王俊国.华中科技大学2004
- [5].遗传算法与小波神经网络中若干问题的研究[D]. 刘守生.南京航空航天大学2005
- [6].模糊神经网络的结构优化研究[D]. 艾芳菊.中国科学院研究生院（成都计算机应用研究所）2006
- [7].人工神经网络的结构学习算法及问题求解研究[D]. 朱大铭.中国科学院研究生院（计算技术研究所）1999
- [8].模糊神经网络的研究及其应用[D]. 孙海蓉.华北电力大学（河北）2006
- [9].基于动态神经网络的非线性自适应逆控制研究[D]. 李明.南京理工大学2007
- [10].神经网络中的若干问题研究[D]. 吕建成.电子科技大学2006
标签：反馈网络论文; 反馈多层感知网络论文; 模糊多层感知网络论文; 网络群论文; 扩展卡尔曼滤波论文; 动态导数论文; 自适应状态滤波论文; 负相关学习算法论文;