1) OIF Elman neural network
输入/输出反馈Elman神经网络
2) Elman feedback neutral network
Elman反馈神经网络
3) Elman radial neural network
Elman型反馈神经网络
1.
The paper utilized the Elman radial neural network(RNN) to forecast and diagnose process quality so as to overcome the shortcomings of function neural network(FNN).
利用Elman型反馈神经网络对过程质量进行预测和诊断以克服前向型神经网络的缺陷,同时针对目前预测与诊断相分离的现象提出将两者相结合以实现质量的实时控制。
4) time-delay feed-forward neural network(TDFFNN)
前馈输入延迟神经网络
5) adaptive neural networks output feedback control
自适应神经网络输出反馈
6) Elman recurrent neural networks
Elman型回馈神经网络
补充资料：输出反馈
系统的输出变量通过比例环节传送到输入端去的反馈方式。输出变量容易直接测量得到，而且在大多数情况下具有明确的物理意义，所以输出反馈是一种在技术上易于实现的常用的反馈方式。图1为输出反馈的基本形式。
对于单输入单输出的定常线性系统，如果原来的传递函数为G(s),则用增益为K的比例环节实现输出反馈后，闭环系统的传递函数就变为G(s)/[1+KG)]。对于用状态变量描述的多变量线性系统(A，B,C)（见线性系统理论），当反馈环节K为常系数矩阵时,输出反馈把系统变成(A-BKC，B，C)，也就是使系统的动态矩阵由A变为(A-BKC)（图2）。
对于定常线性系统，输出反馈不改变系统的能控性和能观测性，但只能在一定范围内改变系统极点的位置。一般地说，不能用输出反馈任意配置极点（见极点配置、状态反馈）。对于单变量定常线性系统，可以用根轨迹法适当选取反馈增益K,把闭环系统的极点配置在根轨迹曲线的预定位置上。输出变量不能全面描述系统的状态，所以输出反馈的功能不及状态反馈的功能。
参考书目
佛特曼、海兹著，吕林等译：《线性控制系统引论》，机械工业出版社，北京，1980。(T.E. Fortman and K.L. Hitz,AnIntroduction to Linear Control Systems,Marcel Dekker Co., New York,1977.)
对于单输入单输出的定常线性系统，如果原来的传递函数为G(s),则用增益为K的比例环节实现输出反馈后，闭环系统的传递函数就变为G(s)/[1+KG)]。对于用状态变量描述的多变量线性系统(A，B,C)（见线性系统理论），当反馈环节K为常系数矩阵时,输出反馈把系统变成(A-BKC，B，C)，也就是使系统的动态矩阵由A变为(A-BKC)（图2）。
对于定常线性系统，输出反馈不改变系统的能控性和能观测性，但只能在一定范围内改变系统极点的位置。一般地说，不能用输出反馈任意配置极点（见极点配置、状态反馈）。对于单变量定常线性系统，可以用根轨迹法适当选取反馈增益K,把闭环系统的极点配置在根轨迹曲线的预定位置上。输出变量不能全面描述系统的状态，所以输出反馈的功能不及状态反馈的功能。
参考书目
佛特曼、海兹著，吕林等译：《线性控制系统引论》，机械工业出版社，北京，1980。(T.E. Fortman and K.L. Hitz,AnIntroduction to Linear Control Systems,Marcel Dekker Co., New York,1977.)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条