LYNGSO MARINE DEM 401 基于小波网络的动态建模

我们建议将小波网络的使用扩展到单输入单输出(SISO)过程的动态建模。训练集由两个长度序列组成普通:输入序列{u（n)}和测量的过程输出{yp（n)}.在静态情况下，目标是近似f通过小波网络。

DEM 401根据对噪声的假设，可能需要前馈或反馈预测器[9]。例如，如果假设作用在过程上的噪声是

模拟结果

在这一节中，我们利用上述算法对从模拟过程和真实过程中收集的数据训练输入-输出小波网络，并利用参考文献[1]中提出的算法。[8]用于训练输入-输出神经网络，在相同的数据上有一个隐藏的s形神经元层。

DEM 401小波网络是由方程定义的输入-输出模型。(18)或(20)，其中未知函数f由小波网络近似，其母小波在第2节中描述。13365909307咨询

DEM 401在本文中，我们将小波网络用于函数逼近扩展到过程的动态非线性输入-输出建模。我们展示了如何通过在反向传播方案中实现的二阶梯度下降，利用平移和膨胀参数的适当初始化，通过成本函数的经典最小化来训练这样的网络。通过模拟和真实过程的建模说明了训练过程。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。