论文部分内容阅读
针对动态神经网络的学习算法问题,提出了一种适用于带外加输入的非线性自回归(NARX)动态网络的改进型RTRL学习算法.该算法基于LM算法的思想,取代传统RTRL中的梯度寻优算法,以改善RTRL的学习速度,并将该方法应用于NARX动态网络自适应逆控制的对象辨识中.数值仿真结果表明该改进学习算法是可行而有效性的,并且也验证了NARX动态神经网络具有很强的动态描述能力.