GAP-RBF自增長(zhǎng)自消減神經(jīng)網(wǎng)絡(luò)在機(jī)器人上的應(yīng)用.pdf

1、近年來(lái)神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于控制系統(tǒng)中，但是控制系統(tǒng)的性能很大程度上決定于辨識(shí)網(wǎng)絡(luò)的逼近性能,而結(jié)構(gòu)設(shè)計(jì)是徑向基函數(shù)（Radial Basis Function，RBF）神經(jīng)網(wǎng)絡(luò)的關(guān)鍵。網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)是指對(duì)隱單元個(gè)數(shù)和中心的選取,其對(duì)網(wǎng)絡(luò)的收斂速度、辨識(shí)精度和泛化能力有著很大的影響。因此，本文針對(duì)隱單元個(gè)數(shù)和中心的選取進(jìn)行了深入的研究，詳細(xì)地介紹了RAN、MRAN和GAP-RBF三種順序局部增量式算法。通過(guò)與反向傳播（Back Propag

2、ation，BP）算法在逼近Hermite多項(xiàng)式和Mackey-Glass時(shí)間序列預(yù)測(cè)上的比較以及在機(jī)器人沿墻導(dǎo)航上的應(yīng)用，驗(yàn)證了RAN、MRAN和GAP-RBF三種順序局部增量式算法相對(duì)于批處理算法的優(yōu)良性能。本文所要完成的具體工作如下：
　　首先，詳細(xì)介紹了對(duì)順序局部增量式算法研究的意義與背景，對(duì)幾種RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化算法進(jìn)行了比較，并著重對(duì)比了批處理學(xué)習(xí)算法與順序局部增量式算法之間的優(yōu)缺點(diǎn)。簡(jiǎn)要地說(shuō)明了幾種常用的順序局部

3、增量式算法的研究現(xiàn)狀。
　　其次，概括地說(shuō)明了神經(jīng)網(wǎng)絡(luò)的神經(jīng)元模型和兩種常用的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并引出對(duì)RBF神經(jīng)網(wǎng)絡(luò)的詳細(xì)介紹。接著具體地闡述了RAN、MRAN和GAP-RBF三種算法，呈現(xiàn)出三種算法的實(shí)現(xiàn)步驟，并與BP神經(jīng)網(wǎng)絡(luò)在逼近Hermite多項(xiàng)式和Mackey-Glass時(shí)間序列預(yù)測(cè)的應(yīng)用上進(jìn)行了性能比較，驗(yàn)證了三種算法在逼近非線性函數(shù)上的優(yōu)良性能。
　　最后，簡(jiǎn)要地介紹了Khepera II機(jī)器人平臺(tái)，并設(shè)計(jì)了RBF