两级学习目标的幂函数型神经网络建模  

Two Grade Learning Goal Neural Network Modeling with Power Activation Function

作　　者：刘加存[1] 梅其祥[2] 杨东红[1] 

机构地区：[1]广东海洋大学电子与信息工程学院,广东湛江524088 [2]广东海洋大学数学与计算机学院,广东湛江524088

出　　处：《系统仿真学报》2017年第1期34-42,共9页Journal of System Simulation

基　　金：国家自然科学基金(61272534)

摘　　要：为了得到泛化性好精度高的数学模型,提出了两级学习目标的频分幂函数型回归神经网络算法。本算法的网络结构依次为频带分解、输入层、隐含层和输出层。频带分解把输入信号分成数个频段,网络隐层的转移函数是幂函数型。输出层和隐含层都有学习目标,有局部和全局两路反馈;隐含层采用了基于矢量夹角的局部性梯度算法、输出层采用了具有全局性的线性回归算法。本算法的模型用于PID参数整定,先用修正的迭代学习算法得到控制量,再用有约束线性最小二乘优化算法求得PID参数。仿真结果表明,该神经网络泛化性好,精度高,调节品质优于传统整定方法。In ode o oin he vey genelized nd ue mhemi model, egeion neul newok lgoihm wih fequeny deompoiion powe funion nd wo gde lening ojeive w popoed. he newok uue i divided ino fequeny deompoiion, inpu lye, hidden lye nd oupu lye. he inpu ignl i deompoed ino evel fequeny nge nd en o he hidden lye. he nfe funion of hidden lye i powe funion. he hidden lye nd oupu lye hve leming ojeive epeively, nd he neul newok h lol nd gloe feedk. he hidden lye dop he lol gdien lgoihm ed on veo ngle nd he oupu lye ue he glol line egeion lgoihm. he neul newok model w ued o dju he PID pmee of onol yem; he onolled vile w hieved y modified ieive lening lgoihm, hen he PID pmee wee umed y onined line le que lgoihm. imulion how h he neul newok model i genelized nd ue; he quliy of onol yem i exellen hn diionl uned mehod.

关 键 词：泛化 频带分解 幂激活函数 矢量角 迭代学习 PID整定 

分 类 号：TP13[自动化与计算机技术—控制理论与控制工程] TP183[自动化与计算机技术—控制科学与工程]