• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Intelligent automation and soft computing >Adaptive Nonlinear Systems Identification via Discrete Multi-Time Scales Dynamic Neural Networks
【24h】

Adaptive Nonlinear Systems Identification via Discrete Multi-Time Scales Dynamic Neural Networks

机译：离散多时间尺度动态神经网络的自适应非线性系统辨识

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we extend our previous results on continuous multi-time scales dynamic neural networks identification to the discrete domain. A robust on-line identification algorithm is proposed for nonlinear systems identification via discrete multi-time scales dynamic neural networks. The main contribution of the paper is that the input-to-state stability (ISS) approach is used to tune the weights of the discrete multi-time scales dynamic neural networks in the sense of L1. The commonly used robustifying techniques, such as dead-zone or s-modification in the weight tuning, are not necessary for the proposed identification algorithm. The stability of the proposed identifier is proved by Lyapunov function and ISS theory. Two examples are given to demonstrate the correctness of the theoretical results.
机译：在本文中，我们将先前在连续多时间尺度动态神经网络识别上的结果扩展到离散域。提出了一种基于离散多时间尺度动态神经网络的非线性系统辨识的鲁棒在线辨识算法。本文的主要贡献在于，使用输入状态稳定性（ISS）方法来调整L1意义上的离散多时间尺度动态神经网络的权重。对于所提出的识别算法而言，不需要常用的鲁棒化技术，例如权重调整中的死区或s-修改。 Lyapunov函数和ISS理论证明了所提出标识符的稳定性。给出两个例子来证明理论结果的正确性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号