《表2 非线性动态系统辨识实验结果》
表2为OAMNN对非线性动态系统辨识训练及测试的性能,“-”表示在原文献中未给出.实验结果为独立10次实验的平均值,OAMNN分别对连续顺序样本、随机顺序样本进行训练、学习,验证了该网络对不同顺序样本都具有很好的性能,并与在线模型OSAMNN[17]、OLS[24]、FAOS-PFNN[25]和ORBF进行了性能对比.由实验结果可以看出,OAMNN与在线模块化神经网络、基于正交最小二乘法的径向基函数网络和基于扩展卡尔曼滤波算法的模糊神经网络相比,具有较高的预测精度,且结构更加简洁(FAOS-PFNN在线模型结构最简洁).
图表编号 | XD00165474300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 乔俊飞 |
绘制单位 | 北京工业大学信息学部、计算智能与智能系统北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |