6.1 神经网络概念与特性 6.2 神经网络模型辨识中常用结构 6.3 辨识中常用网络训练算法 6.4 改进的BP网络训练算法 6.5 神经网络辨识MATLAB仿真举例 6.6 基于改进遗传算法的神经网络及其应用 6.7 模糊神经网络及其应用 6.8 小结

本文提出了辨识非线性动态系统的两个方法。非线性系统近似由线性动态系统和非线性部件组成。在所提出的二个方法中,m序列和逆重复m序列用于输入信号或相关信号,这些方法可用于估算高阶多项式非线性部件的全部系数,并有足夠多的脉冲响应栅点值。此外,所提出的方法还适于存在缓慢随机漂移干扰时的在线辨识。由辨识试验的数字模拟可以证实所提方法的正确性

道路交通网络安全风险辨识是交通安全管理的重要环节从多源异构交通信息采集与处理、交通动态演化规律辨识与态势分析、交通风险评估及预警3个层面对道路网络安全风险辨识领域的研究方法、模型及存在不足进行概括并进行了实地调查

10.1系统辨识的概念 10.1.1系统辨识的定义 系统辨识是利用观测到的系统输入输出数据构造系统数学模型的方法。 在实际应用中,往往把分析法和实验法这两种建模方法结合起来。尽量利 用对物理过程的认识,将系统模型分为已知的和未知的两部分,用实验法确定 未知部分的模型

3.3 同步荧光光谱法 ( Synchronous Fluorescence) 3.4 时间分辨荧光法 （Time – Domain Fluorometry） (Time – Resolved Fluorometry） 3.5 相分辨荧光法 （ Frequency-Domain Fluorometry /Phase-Modulation Fluorometry) 3-6 荧光动力学分析法 （Fluorescent Kinetic Analysis)

本章要点： 介绍两种复杂非线性动态系统辨识方法 1 Volterra级数表示及其辨识方法； 2 复杂系统混沌及其建模方法； 难点: 1 Volterra级数描述系统的脉冲响应； 2 未知模型混沌系统的三种识别方法；

•CMAC网络特点 •改进的CMAC干式变压器卷线机跑偏信号谐波分析 •CMAC网络对非线性函数学习过程 •干式变压器卷线机跑偏信号谐波分析 •跑偏信号谐波仿真与分析 •改进的CMAC学习多维函数 •CMAC网络辨识MATLAB仿真举例 •CMAC网络原理及其应用

5.1 梯度校正参数辨识 5.2 Bayes辨识 5.3 小结

•极大似然法辨识概念 •动态系统模型参数的极大似然估计 •协方差阵未知时的极大似然参数估计 •递推的极大似然参数估计 •似然递推法辨识MATLAB仿真程序剖析

2.1 随机过程基本概念及其数学描述 2.2 谱密度与相关函数 2.3 线性系统在随机输入下的响应 2.4 白噪声产生方法及其仿真 2.5 古典辨识方法 2.6 小结及习题