用简化的神经网络解实时线性最小二乘和总最小二乘问题

为了在实时情况下解代数方程线性系统问题,本文提出了一种具有单片自适应学习算法的新一类简化的低成本模拟人工神经网络。本文提出的学习算法是解线性最小二乘(LS)、总量小二乘(TLS)和数据最小二乘(DLS)问题传统算法的修改和扩展。传统方法包括:kaczmarz行动作投影算法和/或LMS(Adaline)widrow-Hoff算法。该算法可应用于能公式化为线性回归问题的任何问题。所提出的神经网络的正确性和高性能可用广泛的计算机仿真结果来说明。