线性神经网络在系统辨识中的应用开题报告

1. 研究目的与意义

人工神经网络能模拟人脑的并行信息处理方式，具有自学习、思维、推理、判断和记忆的功能。

用人工神经网络进行系统辨识，并不需要提前建立实际系统的模型。

系统辨识是根据系统的输入输出时间函数来确定描述系统行为的数学模型线性神经网络一般用来辨识线性系统，是目前系统辨识中最常有的一种网络。

2. 国内外研究现状分析

人工神经网络在近年来是一个热点课题，有着众多的研究成果。

邵慧娟,熊煜,王绪本在《线性神经网络在系统辨识中的初步运用》中指出线性神经网络用于线性或者接近线性的系统辨识，对信号的要求不高，加入随机扰动也可以得到实验对象的数学模型，网络结构简单，收敛速度快，精度高。

并提出了一种基于多agent机制的个性化协作学习系统，它能够基于学习者的动态行为，将具有相同爱好的学习者自动有效的组织成一个个的学习者社区；另外还提出了一种打分和交换机制，大大提高了自组织学习社区算法的有效性和准确性。

3. 研究的基本内容与计划

对线性神经网络的概念和widrow- hoff 学习规则进行学习和研究，掌握其结构和算法。

学习并掌握线性神经网络用于线性系统辨识必须遵循系统辨识的基本构成原则。

通过matlab软件实现线性神经网络用于siso和mimo的线性系统辨识。

4. 研究创新点

此次实验我采用matlab和widrow - hoff 学习规则进行仿真。

matlab有友好的用户界面及接近数学表达式的自然化语言，具有出色的数值计算功能，用它来仿真线性神经网络模型效率很高。

matlab中有自带的神经网络工具箱，使繁琐的步骤得到简化。