38、离散神经网络状态估计与特性分析

离散神经网络状态估计与特性分析

1. 多层神经网络标识符权重调整

多层神经网络标识符的权重调整规则如下：

1.1 输入层和隐藏层

输入层和隐藏层的权重调整公式为：
- (W_{i1}(k) = \alpha_{i1}\varphi_{i1}(k)[\eta_{i1}(k) + B_{i1}e(k)])，其中 (i = 1, \cdots, n - 1)
- (W_{i9}(k) = \alpha_{i9}\varphi_{i9}(k)[\eta_{i9}(k) + B_{i9}e(k)])，其中 (i = 1, \cdots, n - 1)
这里 (\eta_{i1}(k) = W_{i1}(k)\varphi_{i1}(k))，(\eta_{i9}(k) = W_{i9}(k)\varphi_{i9}(k))，且 (| B_{i1} | \leq K_{i1})，(| B_{i9} | \leq K_{i9})，(i = 1, \cdots, n - 1)。

1.2 输出层

输出层的权重调整公式为：
(W_{n9}(k + 1) = W_{n9}(k) + \alpha_{n9}\varphi_{n9}(k)e^T(k + 1))
其中 (\alpha_{i1} > 0)，(\alpha_{i9} > 0)，(i = 1, \cdots, n) 表示学习率参数或自适应增益。

1.3 讨论

由于 (| e(k) |) 不会远超过某个界限，在应用中可将此界限作为误差 (e(k)) 范数的实际边界。从相关公式可知，识别误差会随神经网