PIDNN

PIDNN

PID神經元網路(Proportional-Integral-Derivative Neural Network,PIDNN),是由舒懷林教授於1997年提出的,其結構形式如圖1所示由於在多個雜誌和學術會議上介紹,以及其他一些控制屆學者進行後續研究和套用工作,PID神經網路已經逐步引起了學術界和工程套用屆的關注。

基本介紹

  • 中文名:PIDNN
  • 外文名:Proportional-Integral-Derivative Neural Network
  • 提出:舒懷林教授
  • 時間:1997年
PID神經元網路,PID意義,

PID神經元網路

將PID神經元放入多層前向網路,就構成PIDNN。PIDNN是動態的多層前向網路,它的動態特性不是通過網路連線方式或反饋方式實現的,而是通過它內部的PID神經元實現的。
SPIDNN的結構形式
PIDNN的基本組成包括:輸入層的兩個神經元、隱含層的三個神經元、輸出層的一個神經元,稱PIDNN的基本形式為單輸出PIDNN
PIDNN
(Single output PIDNN),簡稱SPIDNN,SPIDNN可以完成單變數的
但輸入—單輸出系統的控制任務。SPIDNN的控制系統結構如圖所示。
SPIDNN輸入層的神經元採用比例神經元,這兩個神經元接受外部輸
入訊息:其中一個接受單變數控制系統的目標值或給定值;另一個
接受被控變數值。輸入層神經元的輸出經過連線權重,進入隱含層進行綜合和處理,隱含層的三個神經元分別為比例元、積分元和微分元,分別對輸入信號進行比例、積分和微分。隱含層的輸出再通過連線權,進入輸出層,輸出層的神經元採用比例元,它完成整個網路控制規律的綜合和輸出。

PID意義

PID神經網路的價值之一在於提出了新的思路,它將靜態的神經元擴充到動態的神經元,特別是將PID特性賦予了神經元,這種擴充大大豐富了人工神經網路的內涵。PID神經網路的價值之二在於它立足於實用性,PID神經元網路的結構、連線權重初值的選取都是基於套用。PID神經網路的價值之三在於它對多變數系統良好的控制性能,為解決多變數系統控制問題提出了新工具。

相關詞條

熱門詞條

聯絡我們