طراحي و شبيه سازي فيلتر غيرخطي تطبيقي عصبي پوياي شناساگر با نرخ بهينه براي همگرايي پارامترها بر پايه گراديان نزولي

بحث همگرايي در شبكه هاي عصبي شناساگر و كنترل كننده يكي از موارد پر اهميت در مهندسي كنترل مي باشد، كه در اين راستا تحقيقات متنوعي صورت پذيرفته است كه عمدتا در چهارچوب شبكه هاي عصبي معمولي بوده است. در اين مقاله الگوريتم گراديان نزولي تطبيقي با يادگيري پارامترهاي شبكه عصبي پويا به صورت به هنگام بر اساس بسط سري تبلور خطاي خروجي مطرح و همگرايي الگوريتم آموزشي بررسي شده است. براي افزايش دقت و سرعت همگرايي، جمله هاي مرتبه دوم و بالاتر بسط تبلور با استفاده از گراديان نزولي بروز رساني مي شود. الگوريتم آموزشي معرفي شده براي دو مثال شبيه سازي شده است. محدوده به دست آمده و نتايج شبيه سازي افزايش سرعت همگرايي را نشان مي دهند