基于贝叶斯方法的神经网络非线性模型辨识

• 作者: 孙明 张明廉 蒋志坚 魏东
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 系统辨识 非线性 神经网络 泛化
• 年，卷（期）: 2005,（11）
• 所属期刊栏目: 博士论坛
• 页码范围: 5-8,11
• 页数: 5页
• 分类号: TP273+.5
• 字数: 4959字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2005.11.002

摘要

研究了基于贝叶斯推理的多层前向神经网络训练算法,以提高网络的泛化性能.在网络目标函数中引入表示网络结构复杂性的惩罚项,以便能够在训练优化过程中降低网络结构的复杂性,达到避免网络过拟合的目的.训练过程中使用显式的概率分布假设对模型进行分析和推断,根据融入先验分布的假设和依据,获取网络参数和正则化参数的后验条件概率,并基于后验分布的贝叶斯推理得出最优化参数.利用上述算法训练前向网络,对一个微型锅炉对象进行了模型辨识,通过测试,证明所辨识出的对象模型能够较好地表现出对象的动态行为,且具有较好的泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张明廉	北京航空航天大学自动化科学与电气工程学院	53	615	15.0	23.0
2	蒋志坚	哈尔滨工业大学电气工程及自动化学院	36	202	7.0	13.0
4	魏东	北京航空航天大学自动化科学与电气工程学院	26	415	11.0	20.0
8	孙明	北京建筑工程学院电气工程与自动化系	24	103	5.0	9.0