Question

神经网络系统辨识仿真实现是个什么东西

• 你的回答被采纳后将获得：
• 系统奖励15（财富值+成长值）+难题奖励30（财富值+成长值）

若以下回答无法解决问题，邀请你更新回答

Answer 1

随着社会的进步，越来越多的实际系统变成了具有不确定性的复杂系统，经典的系统辨识方法在这些系统中应用，体现出以下的不足：
(1)在某些动态系统中，系统的输入常常无法保证，但是最小二乘法的系统辨识法一般要求输入信号已知，且变化较丰富。
(2)在线性系统中，传统的系统辨识方法比在非线性系统辨识效果要好。
(3)不能同时确定系统的结构与参数和往往得不到全局最优解，是传统辨识方法普遍存在的两个缺点。
随着科技的继续发展，基于神经网络的辨识与传统的辨识方法相比较具有以下几个特点：第一，可以省去系统机构建模这一步，不需要建立实际系统的辨识格式；其次，辨识的收敛速度仅依赖于与神经网络本身及其所采用的学习算法，所以可以对本质非线性系统进行辨识；最后可以通过调节神经网络连接权值达到让网络输出逼近系统输出的目的；作为实际系统的辨识模型，神经网络还可用
于在线控制。
选择一种适合的神经网络模型来逼近实际系统是神经网络用于系统辨识的实质。其辨识有模型、数据和误差准则三大要素。系统辨识实际上是一个最优化问题，由辨识的目的与辨识算法的复杂性等因素决定其优化准则。通过建立系统的依赖于参数的模型，把辨识问题转化为对模型参数的估计问题，是传统的辨识算法。这类算法较成功的应用于线性系统或本质线性系统。神经网络用于系统辩识的一个优点是它不需要预先建立实际系统的辩识格式，它对系统的辩识过程就是直接学习系统的输入输出数据的过程。