【Elman神经网络】基本原理与模型应用

科技前沿 • 2025-04-10 19:02 • 阅读 27

大家好，我是讯享网，很高兴认识大家。

1. Elman神经网络概述

2.Elman神经网络结构

3.Elman神经网络学习过程

交流联系方式：

：

VX：Matlab_Lover

1. Elman神经网络概述

2.Elman神经网络结构

Elman 型神经网络一般分为四层：输入层、隐含层（中间层〉、承接层和输出层。如图2-1所示，输入层、隐含层、输出层的连接类似于前馈式网络，输入层的单元仅起信号传输作用，输出层单元起线性加权作用。隐含层单元的传递函数可采用线性或非线性函数，承接层又称上下文层或状态层，它用来记忆隐含层单元前一时刻的输出值并返回给网络的输入，可以认为是一个一步延时算子。

讯享网
Elman 神经网络的特点是隐含层的输出通过承接层的延迟与存储，自联到隐含层的输入。这种自联方式使其对历史状态的数据具有敏感性，内部反馈网络的加入增强了网络本身处理动态信息的能力，从而达到动态建模的目的。此外， Elman 神经网络能够以任意精度逼近任意非线性映射，可以不考虑外部噪声对系统影响的具体形式，如果给出系统的输入输出数据对，就可以对系统进行建模。

3.Elman神经网络学习过程

以上图为例，Elman神经网络的非线性状态空间表达式为：

式中，y为m维输出结点向量；x为n维中间层结点单元向量；u为r维输入向量； $x_{c}$ 为n维反馈状态向量， $w^{3}$ 为中间层到输出层连接全职； $w^{2}$ 为输入层到中间层连接权值； $w^{1}$ 为承接层到中间层到连接权值；g(*)为输出神经元的传递函数，是中间层输出的线性组合；f(*)为中间层神经元的传递函数，常采用S函数。