طراحی و شبیه سازی فیلتر غیرخطی تطبیقی عصبی پویای شناساگر با نرخ بهینه برای همگرایی پارامترها بر پایه گرادیان نزولی

بحث همگرایی در شبکه های عصبی شناساگر و کنترل کننده یکی از موارد پر اهمیت در مهندسی کنترل می باشد، که در این راستا تحقیقات متنوعی صورت پذیرفته است که عمدتا در چهارچوب شبکه های عصبی معمولی بوده است. در این مقاله الگوریتم گرادیان نزولی تطبیقی با یادگیری پارامترهای شبکه عصبی پویا به صورت به هنگام بر اساس بسط سری تبلور خطای خروجی مطرح و همگرایی الگوریتم آموزشی بررسی شده است. برای افزایش دقت و سرعت همگرایی، جمله های مرتبه دوم و بالاتر بسط تبلور با استفاده از گرادیان نزولی بروز رسانی می شود. الگوریتم آموزشی معرفی شده برای دو مثال شبیه سازی شده است. محدوده به دست آمده و نتایج شبیه سازی افزایش سرعت همگرایی را نشان می دهند

کلیدواژه ها:

الگوریتم گرادیان نزولی ، بسط سری تیلور ، شبکه عصبی پویا ، بهنگام و همگرایی