广义约束神经元网络模型系统结构参数辨识(英文)

作者：秦雨萍; 张双; 蒲志林

来源：四川师范大学学报(自然科学版), 2013, 36(04): 509-515.

• GCNN
• 参数辨识
• SISO
• MINO
• MIMO GCNN
• Parameter identifiability
• MIMO

系统参数的辨识有助于帮助提高系统的透明性,从而增强系统的可控能力;如何提高系统参数的辨识能力是一个非常重要的课题,目前在单输入单输出(SISO)参数辨识上已经取得了一些成果.通过分析广义约束神经元网络模型,结合已有的一些理论,经过推理总结得到了m输入n输出(MINO)系统以及多输入多输出(MIMO)参数的辨识理论方法.经过实际验证,它为提高"黑盒"的透明度是可行的.该理论的提出,有助于提高广义约束神经元网络模型参数的辨识能力,进一步提高了神经网络"黑盒"系统的模型识别能力.

• 单位
  成都理工大学工程技术学院; 四川师范大学; 澳门大学