一种函数链神经网络的自校正方法技术

本发明专利技术涉及一种函数链神经网络的自校正方法，根据其系统结构和组成特点，可以将原本比价复杂的非线性系统分解成若干个相对简单的子系统，用单个的人工函数链神经网络来建立子系统模型，根据子系统的参数、输入量、输出量得到各个子系统的神经元模型后，按照各个子系统间的相关关系来构建一个相对复杂的一个函数链神经网络系统，系统记忆并存储一些子系统的历史的参数、输入量／输出量，当某个子系统函数链神经网络发生异常时，系统能根据以前的各个子系统间的关系，重新恢复该子系统同其他子系统间的关系。本发明专利技术借助凸优化思想提出了一个更为快速、容量更高的函数链神经网络学习算法。

【技术实现步骤摘要】

【技术保护点】
一种函数链神经网络的自校正方法，其特征在于：包括以下步骤：　步骤一：根据系统的结构与组成特点，将原系统按类分成若干个子系统；　步骤二：使用函数链神经元来建立子系统，把与子系统相关的结构参数、输入量、输出量存储构建一个动态数据库即 存贮非线性特性，运用学习算法分别对各个子系统的神经元模型进行训练，使之逼近各个子系统的输入／输出关系，得到各子系统的神经元模型；　步骤三：将所得到的各个子系统的神经元模型按一种相关的关系连接组合起来，得到原系统的基于结构的神经网络模型 ；　步骤四：在各神经元中与结构参数相对应的输入变量之前，增加一个输入值为１的新输入层，得到与系统结构参数想对应的新输入层权值，重新训练，求出高精度模型，构成新模型；　步骤五：将新的模型按照先前构建的动态数据库即存贮非线性特性，重 新生成新的子系统，并将其与其他的子系统构建相关的关系网；　步骤六：将动态数据库即存贮非线性特性进行实时更新。

【技术特征摘要】

【专利技术属性】
技术研发人员：林小泉，
申请(专利权)人：福建三元达通讯股份有限公司，
类型：发明
国别省市：35[中国|福建]