基于凸组合算法优化的前向神经网络观测器设计

闻新; 张兴旺

doi:10.3969/j.issn.0372-2112.2015.11.005

您当前的位置：

首页 >

文章列表页 >

基于凸组合算法优化的前向神经网络观测器设计

学术论文 | 更新时间：2025-07-16

- 基于凸组合算法优化的前向神经网络观测器设计
- The Observer Design of Feedforward Neural Networks Optimized by Convex Combination Algorithm
- 电子学报 2015年43卷第11期页码：2167-2171
- 作者机构：
  
  沈阳航空航天大学航空航天工程学部,辽宁,沈阳,110136
- 作者简介：
- 基金信息：
- DOI：10.3969/j.issn.0372-2112.2015.11.005
  中图分类号： TP183
- 纸质出版：2015
- 稿件说明：
移动端阅览
闻新, 张兴旺. 基于凸组合算法优化的前向神经网络观测器设计[J]. 电子学报, 2015,43(11):2167-2171.

WEN Xin, ZHANG Xing-wang. The Observer Design of Feedforward Neural Networks Optimized by Convex Combination Algorithm[J]. Acta Electronica Sinica, 2015, 43(11): 2167-2171.
闻新, 张兴旺. 基于凸组合算法优化的前向神经网络观测器设计[J]. 电子学报, 2015,43(11):2167-2171. DOI： 10.3969/j.issn.0372-2112.2015.11.005.

WEN Xin, ZHANG Xing-wang. The Observer Design of Feedforward Neural Networks Optimized by Convex Combination Algorithm[J]. Acta Electronica Sinica, 2015, 43(11): 2167-2171. DOI： 10.3969/j.issn.0372-2112.2015.11.005.

摘要

本文利用凸组合算法对单隐藏层前向神经网络进行了优化

通过迭代来更新权值以调整隐藏层的信息.同时引入了一个新的误差函数来评价误差性能

该函数通过对权值进行解耦来求解优化参数

提高了参数的计算速度.在此基础上

提出了一种非线性系统的自适应神经网络状态观测器设计方法.最后通过仿真验证了该神经网络观测器能准确并快速地观测出系统的状态值.

Abstract

The convex combination algorithm(CCA) is proposed to optimize single hidden layer feedforward neural networks.This method updates the weights by iterating to massage the information in the hidden layer.And a new error function is set up to measure the performance of the neural networks.The optimized parameters can be obtained by decoupling the weights

which improves the calculating speed of the parameters.On the basis

a design method of an adaptive neural networks state observer for nonlinear systems is proposed.At last

the simulation is used and illustrates that the observer can observe the state values of the system accurately and quickly.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种无线传感器网络性能评估及优化方法

太阳花散热器优化设计

PSO算法优化BP网络的新方法及仿真实验