基于神经网络的河南省经济增长模型

经济增长是一个多变量因素影响,具有复杂的非解析函数关系的系统。本文将人工神经网络用于经济增长的建模与预测之中,采用滚动优化技术把样本数据按时间序列化,使网络在训练过程中不断学习新的信息,提高网络的预测精度。经对河南省经济增长的模拟与预测,验证了该方法的可行性。     

用改进的神经网络优化PID参数的解耦系统

在用神经网络对PID控制器的控制参数进行优化时,网络的学习速率η和动量参数α的调整尚没有成熟的方法,针对这一问题提出了一种实时调整η和α的模糊归一化算法,把综合误差变化量进行归一化、模糊量化处理之后,η和α根据模糊子集中的隶属函数找出其对应的隶属度。将这一算法应用于非线性系统的解耦控制之中,仿真计算结果表明这种算法加快了网络的收敛速度,收到了较好的解耦控制效果。