论文研究-神经网络系统辨识法综述 .pdf

标题：“神经网络系统辨识法综述” 描述：本文综述了神经网络系统辨识法的发展和应用，指出人工神经网络作为一种技术手段在系统辨识中的应用越来越广泛，尤其在复杂系统的辨识问题中展现出强大的能力。文章通过与经典辨识法的比较以及改进后的算法应用，展示了神经网络系统辨识法的优越性，并展望了其未来发展趋势。 知识点： 1. 系统辨识技术概述：系统辨识是利用已知输入和输出数据来确定系统模型参数的方法。它的目的是从一组可能的模型中，选择一个与实际过程匹配的模型。辨识过程中包含三个基本要素：合适的模型、观测数据和评价准则。 2. 经典系统辨识方法：主要包括阶跃响应法、脉冲响应法、频率响应法、相关分析法、谱分析法、最小二乘法和极大似然法等。这些方法在系统辨识中已经较为成熟且被广泛应用。 3. 神经网络系统辨识法的提出背景：随着人类社会的发展，复杂不确定系统的辨识需求日益增多，而经典辨识方法在这些领域中常常遇到难以克服的困难，因此人工神经网络的系统辨识方法应运而生。 4. 神经网络系统辨识法与经典方法的比较：神经网络系统辨识法在非线性映射能力、自学习适应能力以及并行信息处理能力上展现出传统辨识方法所不具备的优势。 5. 神经网络辨识法的原理：神经网络辨识法通过学习算法调整网络权值矩阵，优化参数，使网络输出尽可能地逼近系统真实输出，完成对系统的辨识。 6. 神经网络系统辨识法的特点：不依赖传统算法模型格式，适用于本质非线性系统的辨识，且辨识速度不依赖于系统维数。 7. 神经网络系统辨识法的应用：在多个工程项目中得到应用，例如在动态系统的输入不保证的情况下，神经网络系统辨识法能够有效进行辨识建模。 8. 神经网络系统辨识法的展望：随着技术进步和算法优化，神经网络系统辨识法有望在更多领域得到应用，解决更多复杂的系统辨识问题。 通过以上知识点可以看出，神经网络系统辨识法在面对复杂系统辨识问题时具有独特的优势，它通过模仿人脑神经网络的结构和功能，能够处理传统方法难以应对的非线性、高维和动态变化的系统辨识问题。随着深度学习等技术的发展，神经网络系统辨识法的精确度和效率将进一步提高，其应用领域也将进一步扩大。