用于字符識別和動態(tài)系統(tǒng)辨識的人工神經(jīng)網(wǎng)絡(luò)設(shè)計.pdf

1、人工神經(jīng)網(wǎng)絡(luò)是基于模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種信息處理系統(tǒng)，已經(jīng)在諸多領(lǐng)域得到了廣泛應(yīng)用，具有重要的實(shí)踐意義和理論價值。本論文在對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行了深入研究的基礎(chǔ)上，根據(jù)各種神經(jīng)網(wǎng)絡(luò)自身所具有的特點(diǎn)，精心挑選了幾種人工神經(jīng)網(wǎng)絡(luò)用于字符識別和動態(tài)系統(tǒng)辨識。 目前提出和應(yīng)用于字符識別的神經(jīng)網(wǎng)絡(luò)有很多種，如感知器網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)等。由于每種網(wǎng)絡(luò)的結(jié)構(gòu)、學(xué)習(xí)算法不同，所以它

2、們的識別能力也不同，各有特點(diǎn)。本論文的第一項研究工作就是選擇了三種具有模式識別功能的典型網(wǎng)絡(luò)用于26個英文字母的識別，分別是單層感知器、BP網(wǎng)絡(luò)和Hopfield網(wǎng)絡(luò)，并根據(jù)這三種網(wǎng)絡(luò)在結(jié)構(gòu)、算法及其特性上的不同點(diǎn)，進(jìn)行了具體的不同的設(shè)計過程。在對網(wǎng)絡(luò)進(jìn)行識別出錯率大小的測試時，是通過在標(biāo)準(zhǔn)字母上加上隨機(jī)偏差模擬手寫體字母作為網(wǎng)絡(luò)的輸入進(jìn)行測試的。通過實(shí)驗(yàn)結(jié)果給出的各網(wǎng)絡(luò)的識別出錯率，著重對所設(shè)計的三種人工神經(jīng)網(wǎng)絡(luò)用于26個字母識別時網(wǎng)

3、絡(luò)容錯性及識別能力的強(qiáng)弱進(jìn)行了對比分析。 本論文的第二項研究工作是采用人工神經(jīng)網(wǎng)絡(luò)對動態(tài)系統(tǒng)進(jìn)行辨識。為了體現(xiàn)系統(tǒng)的動態(tài)特性，需要選擇具有動態(tài)演化過程的神經(jīng)網(wǎng)絡(luò)。遞歸神經(jīng)網(wǎng)絡(luò)是一種真正的動態(tài)神經(jīng)網(wǎng)絡(luò)，其網(wǎng)絡(luò)結(jié)構(gòu)中存在信息的延時及信息的反饋，所以它具備逼近系統(tǒng)動態(tài)過程的性能。本論文選取的是對角遞歸神經(jīng)網(wǎng)絡(luò)，在給出了對角遞歸神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)算法以及保證網(wǎng)絡(luò)穩(wěn)定前提下的學(xué)習(xí)速率取值范圍后，結(jié)合具體的系統(tǒng)，分別對一階線性動態(tài)系統(tǒng)

4、和二階非線性動態(tài)系統(tǒng)進(jìn)行了辨識，進(jìn)行了詳細(xì)的網(wǎng)絡(luò)設(shè)計，包括網(wǎng)絡(luò)結(jié)構(gòu)的選定，網(wǎng)絡(luò)參數(shù)的訓(xùn)練過程以及學(xué)習(xí)速率的初始值選取及其調(diào)整順序，并從網(wǎng)絡(luò)訓(xùn)練時間、訓(xùn)練誤差及穩(wěn)定性三方面角度分析了網(wǎng)絡(luò)各參數(shù)對網(wǎng)絡(luò)訓(xùn)練的影響。同時針對網(wǎng)絡(luò)使用的DBP(Dynamic backpropagation)算法具有陷入局部極小值的缺點(diǎn)，引進(jìn)混沌優(yōu)化算法，利用混沌優(yōu)化算法全局尋優(yōu)的特點(diǎn)選取網(wǎng)絡(luò)初始權(quán)值，將其與DBP算法結(jié)合起來對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并對二階非線性動態(tài)系統(tǒng)