17、动态系统的多变量非线性模型

动态系统的多变量非线性模型

一、示例 4：液位系统网络模型训练与剪枝

1.1 网络模型设置

以一个液位系统为例，采用 8 - 5 - 1 前馈网络，使用全部 1000 个数据点作为训练数据。这个全连接的 8 - 5 - 1 网络共有 50 个权重或参数。使用批量 PPEA 算法训练网络模型，性能准则如下：
[
N\frac{1}{j}\sum_{k = 1}^{N}\log(Q(\theta_{j})) = \frac{1}{N}\sum_{k = 1}^{N}e_{z}^{2}(k;\theta_{j})
]

1.2 训练结果与权重剪枝

训练后，全连接网络模型在训练数据集上的均方误差为 - 26.74 dB。通过检查权重的显著性值，将显著性阈值设为 1.0，剔除显著性小于 1.0 的权重，共消除了 11 个权重（见表 V）。重新训练后，剪枝网络模型在训练数据集上的均方误差为 - 26.67 dB。

Node	Link	Weight	Saliency	Node	Link	Weight	Saliency
Output	1	-11.66116	63595.75425