简介:研究了Hammerstein模型的辨识问题,并考虑了多输入多输出(MIMO)情况.提出一种混合神经网络辨识模型,该模型由一个多层前馈神经网络(MFNN)与一个线性神经网络(LNN)串联而成.给出了一个反向传播(BP)算法同步训练该混合神经网络的权值和阈值.仿真结果表明了该方法的有效性.
简介:在科技型小微企业生产运营管理框架中,从影响企业成功运营的有形资源集、无形资源集与能力集的相关影响因素来看,都呈现出新特征,不能与传统大中型企业等同。基于业内专家对这些个性化影响因素的提炼与探讨性意见,应用ISM方法识别它们的关联性,进而采用手段一目的链法辨识出六个关键影响因素:政府管制政策、技术和管理创新能力、组织变革能力,这是科技型小微企业成功运营的基础,人力资源管理能力、技术水平、资本运作水平是科技型小微企业成功运营的保障。基于此,探究关键影响因素的相关运营管控对策,能够促进创新资源高效配置和综合集成,确保中小微企业成功运营,提速我国科技进步的进程。
简介:结合支持向量机和神经网络各自的优点,提出了一种新颖的自适应支持向量回归神经网络(SVR—NN).首先,利用支持向量回归方法确定SVR—NN的初始结构和初始化权值,基于支持向量自适应地构造SVR—NN神经网络的隐层节点;然后,使用退火过程的鲁棒学习算法更新网络节点参数和权值.为了验证所提出方法的有效性,给出了自适应SVR-NN应用于非线性动态系统辨识的实例.仿真结果表明,与以前的神经网络方法相比,基于SVR-NN网络的辨识方案能获得相当好的性能,它具有很快的收敛速度.因此,自适应的SVR—NN为非线性系统辨识提供了极有吸引力的新途径.