非线性离散系统的贝叶斯-高斯神经网络逆模型设计
DOI:
CSTR:
作者:
作者单位:

1. 南京师范大学
2. 南京师范大学电气工程与自动化工程学院

作者简介:

刘益剑

通讯作者:

中图分类号:

基金项目:


Inverse model design of nonlinear digital system based on Bayesian-Gaussian neural network
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对非线性系统逆模型的学习问题,提出一种基于贝叶斯-高斯神经网络(BGNN)的设计方法.BGNN模型的训练
    分为两个步骤,首先利用群智能优化算法进行BGNN的离线结构训练;然后用训练好的BGNN模型在线整合历史
    数据,进行非线性系统逆模型的获取.对水轮发电机组非线性系统进行了BGNN逆模型的仿真,结果表明
    了BGNN逆模型设计方法具有结构简单、在线辨识效果好等优点,适于非线性离散系统的逆模型设计.

    Abstract:

    A design method
    based on Bayesian-Gaussian neural network(BGNN) is proposed for the
    inverse modeling problem of nonlinear system. The training
    procedures of the BGNN model include two steps. The
    structure parameters of the BGNN model are optimized by using the swarm
    intelligence optimization algorithm. Furthermore, the trained BGNN
    model combining with the history data is applied to the on-line
    prediction of the nonlinear system inverse model. The inverse model
    simulation experiments are conducted on a nonlinear system of
    hydraulic turbine, and the results show that the inverse model design
    method based on BGNN has the easy topology determination and
    effective identification accuracy, and it is fit for nonlinear system
    inverse model design.

    参考文献
    相似文献
    引证文献
引用本文

刘益剑 彭晨.非线性离散系统的贝叶斯-高斯神经网络逆模型设计[J].控制与决策,2010,25(10):1567-1570

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2009-09-03
  • 最后修改日期:2010-01-11
  • 录用日期:
  • 在线发布日期: 2010-10-20
  • 出版日期:
文章二维码