基于切比雪夫多项式展开的时变神经动力学系统辨识方法.pdfVIP

基于切比雪夫多项式展开的时变神经动力学系统辨识方法.pdf

  1. 1、本文档共23页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

(19)中华人民共和国国家知识产权局

(12)发明专利说明书

(10)申请公布号CN105005197A

(43)申请公布日2015.10.28

(21)申请号CN201510289205.0

(22)申请日2015.05.29

(71)申请人北京航空航天大学

地址100191北京市海淀区学院路37号

(72)发明人李阳徐颂王旭东

(74)专利代理机构

代理人

(51)Int.CI

权利要求说明书说明书幅图

(54)发明名称

基于切比雪夫多项式展开的时变神

经动力学系统辨识方法

(57)摘要

本发明提出了一种基于切比雪夫多

项式展开的时变神经动力学系统辨识方

法。该方法首先用Volterra级数表征由仿

真输入输出锋电位序列组成的时变神经系

统,将前馈、反馈核函数用不同的Volterra

核表示出来;接着,用Laguerre基函数对

时变Volterra核进行展开,得到时变广义

Laguerre–Volterra模型;然后,用切比雪夫

多项式对时变广义Laguerre–Volterra模型

的时变参数进行展开,将时变模型转化为

时不变模型;最后,利用向前正交回归算

法选出有意义的模型项,并利用广义线性

拟合算法对时不变参数进行估计,进而通

过反向求解得到时变参数及原始时变核函

数。与现有的自适应滤波技术相比较,本

方法对较强非平稳神经系统信号有更好的

跟踪能力,可以实现对时变系统核函数的

准确跟踪,为神经系统建模,特别是海量

高维数据的系统建模提供新的研究方法,

对揭示大脑完成信息处理的复杂神经动力

学机制有重要的意义。

法律状态

法律状态公告日法律状态信息法律状态

权利要求说明书

1.基于切比雪夫多项式展开的时变神经动力学系统辨识方法,其特征在于

包括:

步骤1.广义Volterra模型:用Volterra级数完全表征时变神经动力学系统

模型,构建时变广义Volterra模型;

步骤2.广义L-V模型:用Laguerre基函数对时变Volterra核进行展开,得

到时变广义Laguerre–Volterra模型;

步骤3.时变参数展开:用切比雪夫多项式对时变广义Laguerre–Volterra模

型的时变参数进行展开,得到时不变模型展开参数;

步骤4.模型项选择:利用向前正交回归算法选出有意义的模型项,排除冗

余项;

步骤5.参数估计:利用广义线性拟合算法对时不变参数进行估计;

步骤6.模型重构:通过反向求解得到时变参数,并重构时变核函数。

2.如权利要求1所述的基于切比雪夫多项式展开的时变神经动力学系统辨

识方法,其特征在于:

所述步骤3包括:利用切比雪夫多项式对时变广义Laguerre–Volterra模型

参数进行展开,其中切比雪夫多项式的控制参量为多项式维数W。与时间

相关的时变Laguerre展开参数转化为与多项式相关的时不变的展

开系数设展开系数共M项。

3.如权利要求1所述的基于切比雪夫多项式展开的时变神经动力学系统辨

识方法,其特征在于:

所述步骤4包括:利用向前正交最小二乘算法选出有意义的模型项,即从

M项{αsub1/sub,αsub2/sub,...,αsubM/sub}中选出有意义的n项

{ηsub1/sub,ηsub2/sub,...,ηsubn/sub},n<<M。所述向前正交最小二

乘算法选用误差减小率(errorreductionratio,ERR)准则及误差减小率总

和(sumoferrorreductionratio,SERR)准则

文档评论(0)

177****5997 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档