智能技术课件-第九讲-神经网络控制的学习机制.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《智能技术课件-第九讲-神经网络控制的学习机制.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 智能 技术 课件 第九 神经网络 控制 学习 机制
- 资源描述:
-
1、第九讲 神经网络控制的学习机制1 离线学习 这种学习方法是通过对一批系统的样本输入输出数据的学习建立一个系统的逆模型。然后用这个逆模型去进行在线控制。一旦离线学习结束,神经网络的学习就停止了。所以在变化环境下,无法适用。在线学习在线学习的目的是寻找一个最优控制量u使系统的输入趋于期望输出权阵的调节应使ydy的误差减小最快。设 非线性系统模型为 yf(u,t)选控制器为多层感知器神经网络。取最优性能指标函数为21()2pdEyy k权阵的学习规则通过梯度寻优发来求得,即 (1)()()()()()()()()()()()pjijijijidjijidjiEkky kyky kky ku kyky
2、 ku kk ()()y ku k()()jiu kk如果系统模型已知,则 可以求得,而 则利用广义的Delta规则来计算。对于已知Jacobian矩阵的系统,其求逆网络控制器的学习已经解决。()()y ku k反馈误差学习反馈误差学习结构如下在这种结构中,把反馈控制的输出做为网络控制器的训练 信号。在这里神经网络控制器就相当于前馈控制器。由于直接使用系统的误差信号去更新控制网络的权阵,忽略了非线性系统本身的动态性能,有可能导致学习算法产生发散现象。这种控制结构只适用于非线性系统线性绝对占优条件下的网络学习。多网络学习多网络学习有两种结构,一种是前向建模多网络控制结构,另一种是逆模型建模的多网
3、络控制结构。神经网络控制器设计-神经网络直接逆模型控制神经网络直接逆模型控制1Z1nZ 自接逆控制的训练结构 mZ1Z1Z1Z1nZ mZ神经网络控制器设计-神经网络直接逆模型控制神经网络直接逆模型控制考虑如下系统y(k+1)=f y(k-1),.y(k-n+1),u(k),.u(k-m)如果系统可逆,则存在函数g,有u(k)=g y(k+1),.y(k-n+1),u(k-1),u(k-m)对上式,若用多层前向传播神经网络来实现,则网络的输出关系为uN(X)uN为神经网络的输出;为神经网络的输入输出关系式,用它来逼近被控系统的逆模型函数g;X为神经网络输入矢量,X y(k-1),.y(k-n+
展开阅读全文