一种改进BP神经网络的算法

传统的神经网络BP算法存在收敛速度慢、存在局部极小点等问题,这种算法收敛慢的主要原因是它利用的是性能函数的一阶信息,递推最小二乘算法利用了二阶信息,但是需要计算输入信号的自相关矩阵的逆,计算量大,不易实现。本文提出一种梯度递推BP算法,它基于最小二乘准则,利用改进的梯度来实现BP算法,这种算法不用计算输入信号的自相关矩阵,并通过仿真证明了该算法的有效性。     

一种新型的自适应逆扰动消除器

在自适应逆控制中,原有的扰动消除方案对于消除对象输出噪声工作的较好,但当采取抖动信号为对象建模时,在系统输出端将附加抖动噪声,当系统的增益比较大时,这种抖动噪声就愈加明显.原有的扰动消除方案不能消除这一噪声,提出了一种新型的自适应逆扰动消除方案,不仅能有效地消除对象输出加性噪声,而且能消除由于采取抖动信号建模所产生的抖动噪声.提高了系统的抗干扰能力.     

基于Chebyshev函数的T-S模糊神经网络及其快速算法

模糊神经网络有效的利用模糊技术和神经网络两者的优点,但是由于需要调整模糊隶属度函数,使得网络计算量很大,收敛速度变慢。本文利用T-S模糊模型,以Chehyshev函数作为隶属度函数,无需调整其参数,大大减少了计算量,提高了运算速度,仿真结果表明了该模型和算法的有效性和快速性。