[发明专利]基于结构的神经网络建模与优化方法

摘要

一种基于结构的神经网络建模与优化方法，根据系统的结构与组成特点，将原复杂非线性系统分解为若干个相对简单的子系统，用单个的人工函数链神经元来建立子系统模型，根据子系统的结构参量、激励和响应以及它们的历史信号来确定神经元的输入/输出，得到各子系统的神经元模型后，按照各子系统间的固有作用关系连接起来形成一个基于结构的神经网络模型，并利用该网络模型对系统结构参数进行优化。本发明具有系统建模和参数优化的双重功能，解决了传统神经网络建模与优化时存在的模型非结构化、神经元的个数不易确定、收敛速度慢等缺点，为非线性系统的建模与结构参数优化提供了一条新途径，对开发新的系统也具有十分重要的意义。

主权项

1、一种基于结构的神经网络建模与优化方法，其特征在于按如下步骤进 行： 1)根据系统的结构与组成特点，将原系统分解为若干个单输出的子系统； 2)使用函数链神经元来建立子系统模型，把与子系统有关的结构参量、子系 统在t时刻的激励及其历史输入信号和响应的历史输出信号作为神经元的输入， 把子系统输出作为神经元的输出，并运用学习算法分别对各子系统的神经元模 型进行训练，使之逼近各个子系统的输入/输出关系，得到各子系统的神经元模 型； 3)将所得到的各子系统的神经元模型连接起来，得到原系统的基于结构的神 经网络模型； 4)在各神经元中与结构参数相对应的输入变量之前，增加一个输入值为1的 新输入层，得到与系统的结构参数相对应的新输入层权值，并对这些权值进行 修正； 5)将改进后的神经元模型仍按原来的连接方式连接起来，得到可用于结构参 数优化的网络模型。 6)根据优化目标，选择一种优化算法对网络权值进行优化，修改新增加的 与系统结构参数相对应的权值，而其它在建模时已训练好的权值保持不变。