非线性BP算法在系统辨识中的应用

研究利用非线性ＢＰ算法训练多层前馈神经网络,对非线性动力系统进行建模,给出了基于非线性ＢＰ算法的系统辨识计算步骤,通过仿真计算表明,基于非线性ＢＰ算法的系统辨识至少可以获得与常规ＢＰ算法同样的效果,因为不需要计算神经元激活函数的导函数,文中的结果可以更小的代价实现基于神经网络的控制器。     

简单动态递归神经网络在非线性系统辨识中的应用

提出了用一种结构非常简单的动态递归神经网络(SRNN)辨识非线性系统的方法。该方法研究了在递归层不加权的网络简单拓扑结构,推导出SRNN的预报误差(RPE)学习算法,并对算法进行了补充和改进。仿真实验结果表明,这种网络需要调整的权系值少,且改进后的学习算法简单、辨识速度快、模型精度高,解决了一般动态递归网络因网络拓扑结构复杂造成的训练算法复杂、收敛速度慢的问题,可以实时应用。     

一类前馈非线性系统的全局稳定性

讨论了一类具有交叉项的非线性系统的全局稳定性.     

两输入非线性前馈系统的镇定方法

为了便于构造两输入非线性前馈系统的镇定控制器,通过变换构造出与原系统等价的复数域低维单输入非线性前馈系统,再利用已有的单输入系统的控制方法对该等价系统设计一个复数域镇定控制器,采用逆变换得到原系统的两个镇定控制器,提出了将原系统转化为等价系统后再进行设计的镇定方法。用Lyapunov稳定性定理证明了闭环控制系统状态的渐进稳定性。结果表明:等价系统比原系统具有更少的输入和更低的维数,基于等价系统的设计方法降低了系统的分析难度,简化了控制器的设计步骤。     

两输入非线性前馈系统的镇定方法

为了便于构造两输入非线性前馈系统的镇定控制器,通过变换构造出与原系统等价的复数域低维单输入非线性前馈系统,再利用已有的单输入系统的控制方法对该等价系统设计一个复数域镇定控制器,采用逆变换得到原系统的两个镇定控制器,提出了将原系统转化为等价系统后再进行设计的镇定方法。用Lyapunov稳定性定理证明了闭环控制系统状态的渐进稳定性。结果表明:等价系统比原系统具有更少的输入和更低的维数,基于等价系统的设计方法降低了系统的分析难度,简化了控制器的设计步骤。     

递归算法非递归化的一般规律

尽管递归算法具有结构简练、清晰、可读性强、正确性容易得到证明等优点，但递归算法在执行过程中会耗费太多时间和空间。为了追求算法的时空效率，特别是使用不支持递归的程序语言的情况下，必须将递归算法转化为非递归算法，问题才能得到有效解决。为此，给出了递归算法转化为非递归算法的一般方法，并以Hanoi塔问题、二叉树的中序遍历问题为例进行了详细地分析。     

一类非线性系统的递归神经网络控制

递归神经网络（ＲＮＮ）由于具有极为丰富的动力学行为而被用在非线性控制系统中,但是传统的ＲＮＮ的训练算法不仅复杂,而且容易陷入局部极值点．作者通过对标准的遗传算法的改进,采用格雷编码方式、比赛选择策略和稳定状态更替方式,使其适用于ＲＮＮ控制器结构和参数的确定．此外,把ＲＮＮ控制器用于控制一类ＳＩＭＯ自不稳定非线性系统（ 如倒立摆系统） ,也收到很好的效果．     

递归算法及其转化为非递归算法的分析

递归是程序设计中强有力的工具，同时也有着鲜明的优缺点，也是学习的难点。本文从递归的概念、递归的实现和递归与非递归的转化几个方面进行了分析。     

递归神经网络的RPE算法及其在非线性动态系统建模中的应用

针对递归神经网络BP学习算法收敛慢的缺陷,通过引入递推预报误差(RPE)学习算法,提出一种新的递归神经网络快速学习算法·该算法的基本原理是沿着指标函数的GaussNewton搜索方向修正权值,同时不必计算二阶偏导数和进行矩阵求逆运算·仿真结果表明,该算法比传统的递归BP学习算法具有更快的收敛速度,用于非线性动态系统建模是有效的     

递归算法设计与递归消除技术

详细介绍了进行递归算法设计的分析方法及实现递归消除的有关技术。     

非线性系统的递推设计

对非线性系统的递推设计方法进行综述，包括反演设计、前推设计和交替设计，对该类方法的某些重要的概念和思想进行了阐述，指出了未来的主要研究方向，期望对这一领域的理论和应用研究有一定的辅助作用。     

模幂运算的一个递归算法

模幂算法广泛应用于公开密钥加密技术。在分析已有模幂算法基础上,提出模幂算法的递归实现,省去了模幂算法中指数的二进制化过程已经对指数的扫描过程,简化了算法。     

求解分裂可行问题的一种松驰投影算法

本文提出了一种新的算法来求解分裂可行问题,该算法在每步迭代中应用类-Armijo搜索来获取调整步长,然后给出了一个校正步长,避免了矩阵逆和矩阵最大特征值的计算.我们证明了该算法的全局收敛性.     

前馈神经网络结构自删除算法的研究

综述了利用删除法进行前馈神经网络设计的研究现状,并在重点分析根据隐节点输出相关性进行自删除的几种算法的基础上,在一个较高层次上提出了一种新的隐节点自删除算法。算例说明了这种法不仅可以压缩线性相关隐节点,而且可以删除不重要的隐节点。其重新计算量也大大减小。     

一类非线性前馈系统基于饱和函数的镇定问题

运用嵌套饱和控制律使得一类前馈非线性系统全局镇定．用一种通用的控制器来解决系统的全局镇定问题．     

慢时变线性模型参数辨识递推算法及收敛性分析

针对慢时变线性模型,给出辨识的递推算法,并证明该算法能够保证参数收敛在一个有界空间区域,该区域包含参数真值集合;若工作点不发生变化,合理的收敛因子保证参数收敛到对应真值.在实际应用中,工业对象可以利用慢时变线性模型表示,因此该递推算法能够确保工业对象模型实时更新以跟踪工况的变化.通过实例仿真可以看出,该递推算法能够保证慢时变线性模型参数有效更新,并较为准确估计输出变量.     

前馈神经网络中BP算法的一种改进

在传统的BP算法基础上,提出了一种改进的BP学习算法,先加入描述网络复杂性的量,使算法能够考虑到网络的连接复杂性,进而有可能删除掉冗余的连接甚至节点;接着提出对网络的学习步长的动态调整,以此来尽量避免传统学习中的学习速度过慢和反复震荡;然后给出新的算法是高阶非线性收敛的证明;最后通过实验说明的新的BP算法在一定程度上可减少网络的复杂性,有着比传统算法更快的收敛速度。     

基于树的递归算法分析技术

针对扩展递归技术的局限性,本文提出基于树的递归算法分析技术。借助于分析树,可直观地、清晰地描述递归算法的分析过程,从而有效地解决递归算法时间复杂性的分析问题。     

基于流的跨层并发多路径转发算法

在分析流关系和转发粒度的基础上,通过实验比较研究了单路径转发的缺点和随机多路径转发技术的不足,结合跨层路由的思想,提出了一个基于流的并发多路径跨层转发算法.该算法在IP层的转发模块中对TCP层的报文首部进行跨层操作,计算流的哈希值,有效地解决了并发多路径传输的乱序问题.NS2仿真实验性能对比分析表明,本算法获得了较高的转发性能,提高了带宽利用率.