|
最小平方法在參數鑑別的應用上有下列下列限制:(1)無法處理非線性系 統;(2)受限於資料相關性與有限的觀測數目.近年來蓬勃發展的類神經網 路雖然可以處理非線性系統,但其效能仍受到前述第二項限制的影響.有鑑 於此,一些學者提出混合式類神經網路的模式架構,其原理乃結合類神經網 路及由守恆原則導出的數學模式,使得此一架構除了保有類神經網路對非 線性系統的處理,更因為結合了物理數學模式,讓混合式類神經網路能在更 短的時間內達到學習收斂目標,並對訓練集合外的狀態作出更正確的估測 值. 在本論文中,我們探討各種不同的反應系統,利用混合式類神經網路 進行系統的狀態估測.其中未知的程序參數交由類神經網路元件去鑑別,再 將鑑別結果輸入守恆數學模式,以計算系統下一個時刻的狀態變數.同時, 為了適應實際反應中未知程序參數可能不只一個的情形,我們將混合式類 神經網路擴充至包含兩個以上的類神經網路元件,每個神經網路元件模擬 一項未知的程序參數,使得混合式神經網路的適用範圍更為廣泛.另外,由 於混合式神經網路乃透過系統狀態對未知參數的靈敏度,間接引用模式輸 出值來學習,我們針對此項特點導出一組簡易的學習通式,俾使後來的研究 者能很容易的將此架構套用於大部份的反應系統.
|