基于贝叶斯方法的神经网络非线性模型辨识

资源类型: 资源大小: 文档分类:工业技术 上传者:严超群

文档信息

【作者】 魏东  张明廉  蒋志坚  孙明 

【关键词】系统辨识 非线性 神经网络 泛化 

【出版日期】2005-04-11

【摘要】研究了基于贝叶斯推理的多层前向神经网络训练算法,以提高网络的泛化性能。在网络目标函数中引入表示网络结构复杂性的惩罚项,以便能够在训练优化过程中降低网络结构的复杂性,达到避免网络过拟合的目的。训练过程中使用显式的概率分布假设对模型进行分析和推断,根据融入先验分布的假设和依据,获取网络参数和正则化参数的后验条件概率,并基于后验分布的贝叶斯推理得出最优化参数。利用上述算法训练前向网络,对一个微型锅炉对象进行了模型辨识,通过测试,证明所辨识出的对象模型能够较好地表现出对象的动态行为,且具有较好的泛化性能。

【刊名】计算机工程与应用

引证文献

问答

我要提问