神經網絡的改進發展設計
 
 
神經網絡的發展體系：
在眾多神經網絡結構之中，多層前饋神經網絡（Multi-Layer Feedforward NeuralNetworks,簡稱MFNN）是目前應用較廣泛也是最成熟的一種神經網絡結構。
一個多層前饋神經網絡由輸入層和至少一個隱層組成，各層包含一個或多個神經元，相鄰兩層神經元之間可以通過可調權值連接，且各種神經元之間沒有反饋。
其信息由由輸入層依次向隱層傳遞直至輸出層。每個神經元以加權和形成綜合它的全部或部分輸入，并根據非線性激活函數的形狀產生輸出。網絡各層神經元的輸入-輸出映像關系可描述為：
改進的神經網絡狀況：
由于被控對象固有的不確定性和非線性難以建立確切的數學模型，導致設計系統控制器時遇到了很多困難。雖然運用模糊控制技術可以不依賴于系統的數學模型，但要想做到快速的跟蹤參考模型的輸出還是有困難的，所以有必要事先對系統進行辨識。
另一方面，由于各種干擾的存在，系統的結構乃至參數都有可能發生變化即使依靠先驗信息離線辨識得到了系統的模型也難免存在模型失配問題。而神經網絡具有學習能力和逼近任意非線性函數的能力，為系統辨識提供了新的手段。
為了得到系統的動態正模型選用了動態遞歸Elman 神經網絡作為辨識器。已有研究表明，在動態系統的辨識中，較小規模的動態網絡可以與大規模前饋網絡等效。
動態遞歸神經網絡不僅可以克服一般多層前饋網絡存在的網絡結構及節點數膨脹和易將動態建模變成靜態建模問題的缺點，而且難能可貴的是辨識系統的導數信息。在動態遞歸神經網絡中。
正航儀器的市場調研部進行了市場調研，得出：Elman 神經網絡結構最為簡單，運算量小，所以非常適合系統實時在線辨識。 http://www.qualimation.com/