神经网络模型-基于atmel89s52单片机的三相桥式可控触发电路的设计
神经网络模型具有信息存储和计算的双重功能。它将信息存储与处理完美地结合在一起，因为神经网络的运行是通过值的传递过程实现的，在传递过程中完成了信息的存储和计算。
目前，系统辨识是建立系统模型的重要手段。对于线性系统，已有多种辨识方法。但对于非线性系统，目前尚无普遍适用的方法。现有的非线性系统辨识方法往往需要系统的先验知识和各种假设，且只针对特定的非线性系统。对于一般非线性系统，难以建立准确反映其特性的数学模型，这给系统辨识带来了很大困难。然而，神经网络辨识方法无需建立数学模型及辨识格式，甚至网络参数亦可以是未知的。神经网络的学习功能及非线性特性是其进行非线性系统辨识的基础。
网络根据待辨识系统的输入输出特性，通过调整网络权值，在网络外部拟合非线性系统的输入输出数据，从而在网络内部建立实际系统的特征信息。网络学习的目的是使输出误差函数达到最小，并以网络形式反映隐含在输入输出特性中的关系。这种关系以网络算子的形式逼近实际系统的输入特性。算子在网络中的形式如何体现并不重要，只要网络在相同输入信号激励下的输出与实际系统输出之间的误差最小，就可认为网络已完成系统的辨识。
神经网络的“三要素”——神经元模型、网络拓扑结构和网络算法——决定了网络的特征。神经元是网络的基本单元，网络的拓扑结构反映神经元的互联模式，学习算法则决定了不同网络的学习方式和方法。
想要深入了解这些概念吗？可以参考以下相关资料：
下载地址
用户评论
