38、离散神经网络的状态估计与特性分析

离散神经网络的状态估计与特性分析

1. 多层神经网络标识符的权重调整

多层神经网络标识符在状态估计中起着关键作用，其权重调整是实现准确识别的重要环节。以下是输入层和隐藏层以及输出层的权重调整规则：

1.1 输入层和隐藏层

• 对于输入层和隐藏层，权重调整公式如下：
• (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))，并且 (|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：
• (\hat{W} {n9}(k + 1) = \hat{W} {n9}(k) + \alpha_{n9}\varphi_{n9}(k)e^T(k + 1))。
• 其中 (\alpha_{i1} > 0) 和 (\alpha_{i9} > 0)，(\foral