用于字符識(shí)別和動(dòng)態(tài)系統(tǒng)辨識(shí)的人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì).pdf

1、人工神經(jīng)網(wǎng)絡(luò)是基于模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種信息處理系統(tǒng)，已經(jīng)在諸多領(lǐng)域得到了廣泛應(yīng)用，具有重要的實(shí)踐意義和理論價(jià)值。本論文在對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行了深入研究的基礎(chǔ)上，根據(jù)各種神經(jīng)網(wǎng)絡(luò)自身所具有的特點(diǎn)，精心挑選了幾種人工神經(jīng)網(wǎng)絡(luò)用于字符識(shí)別和動(dòng)態(tài)系統(tǒng)辨識(shí)。 目前提出和應(yīng)用于字符識(shí)別的神經(jīng)網(wǎng)絡(luò)有很多種，如感知器網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)等。由于每種網(wǎng)絡(luò)的結(jié)構(gòu)、學(xué)習(xí)算法不同，所以它

2、們的識(shí)別能力也不同，各有特點(diǎn)。本論文的第一項(xiàng)研究工作就是選擇了三種具有模式識(shí)別功能的典型網(wǎng)絡(luò)用于26個(gè)英文字母的識(shí)別，分別是單層感知器、BP網(wǎng)絡(luò)和Hopfield網(wǎng)絡(luò)，并根據(jù)這三種網(wǎng)絡(luò)在結(jié)構(gòu)、算法及其特性上的不同點(diǎn)，進(jìn)行了具體的不同的設(shè)計(jì)過(guò)程。在對(duì)網(wǎng)絡(luò)進(jìn)行識(shí)別出錯(cuò)率大小的測(cè)試時(shí)，是通過(guò)在標(biāo)準(zhǔn)字母上加上隨機(jī)偏差模擬手寫(xiě)體字母作為網(wǎng)絡(luò)的輸入進(jìn)行測(cè)試的。通過(guò)實(shí)驗(yàn)結(jié)果給出的各網(wǎng)絡(luò)的識(shí)別出錯(cuò)率，著重對(duì)所設(shè)計(jì)的三種人工神經(jīng)網(wǎng)絡(luò)用于26個(gè)字母識(shí)別時(shí)網(wǎng)

3、絡(luò)容錯(cuò)性及識(shí)別能力的強(qiáng)弱進(jìn)行了對(duì)比分析。 本論文的第二項(xiàng)研究工作是采用人工神經(jīng)網(wǎng)絡(luò)對(duì)動(dòng)態(tài)系統(tǒng)進(jìn)行辨識(shí)。為了體現(xiàn)系統(tǒng)的動(dòng)態(tài)特性，需要選擇具有動(dòng)態(tài)演化過(guò)程的神經(jīng)網(wǎng)絡(luò)。遞歸神經(jīng)網(wǎng)絡(luò)是一種真正的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，其網(wǎng)絡(luò)結(jié)構(gòu)中存在信息的延時(shí)及信息的反饋，所以它具備逼近系統(tǒng)動(dòng)態(tài)過(guò)程的性能。本論文選取的是對(duì)角遞歸神經(jīng)網(wǎng)絡(luò)，在給出了對(duì)角遞歸神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)算法以及保證網(wǎng)絡(luò)穩(wěn)定前提下的學(xué)習(xí)速率取值范圍后，結(jié)合具體的系統(tǒng)，分別對(duì)一階線性動(dòng)態(tài)系統(tǒng)

4、和二階非線性動(dòng)態(tài)系統(tǒng)進(jìn)行了辨識(shí)，進(jìn)行了詳細(xì)的網(wǎng)絡(luò)設(shè)計(jì)，包括網(wǎng)絡(luò)結(jié)構(gòu)的選定，網(wǎng)絡(luò)參數(shù)的訓(xùn)練過(guò)程以及學(xué)習(xí)速率的初始值選取及其調(diào)整順序，并從網(wǎng)絡(luò)訓(xùn)練時(shí)間、訓(xùn)練誤差及穩(wěn)定性三方面角度分析了網(wǎng)絡(luò)各參數(shù)對(duì)網(wǎng)絡(luò)訓(xùn)練的影響。同時(shí)針對(duì)網(wǎng)絡(luò)使用的DBP(Dynamic backpropagation)算法具有陷入局部極小值的缺點(diǎn)，引進(jìn)混沌優(yōu)化算法，利用混沌優(yōu)化算法全局尋優(yōu)的特點(diǎn)選取網(wǎng)絡(luò)初始權(quán)值，將其與DBP算法結(jié)合起來(lái)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并對(duì)二階非線性動(dòng)態(tài)系統(tǒng)