Recurrent neural networks in application to modeling and identification of dynamic systems

Sztuczne sieci neuronowe z powodzeniem zostały zastosowane w problemach identyfikacji i kontroli obiektów dynamicznych. Uniwersalne możliwości aproksymacyjne wielowarstwowego perceptronu spowodowały, że stały się często wybieranym rozwiązaniem stosowanym do modelowania obiektów nieliniowych i kontrolerów obiektów nieliniowych. Publikacja prezentuje rekurencyjne sieci neuronowe w zastosowaniu do predykcji. Przedstawiono i porównano możliwości dwóch popularnych architektur sztucznych sieci neuronowych w zastosowaniu do predykcji i kontroli. Obliczenia numeryczne wykonano w bibliotece Neural Network Toolbox programu Matlab.The paper presents the recurrent neural network in application to the prediction problems. The paper introduces and covers possibilities of three popular neural network architectures for prediction and control that have been implemented in the Neural Network Toolbox. They prove the power of recurrent structures of neural network and good perspectives for application in solution of difficult prediction problems