基于聚类的超闭球CMAC神经网络改进算法 |
| |
作者姓名: | 李慧 段培永 张庆范 |
| |
作者单位: | 1. 山东建筑大学 可再生能源建筑利用技术省部共建教育部重点实验室,济南 250101;
2. 山东建筑大学 山东省建筑节能技术重点实验室,济南 250101;
3. 山东建筑大学 山东省智能建筑技术重点实验室,济南 250101;
4. 山东大学 控制科学与工程学院, 济南 250061 |
| |
基金项目: | 国家自然科学基金项目 (61074070);山东省自然科学基金项目(Y2008G07, ZR2009GZ004);山东省科技攻关项目(2009GG10001029). |
| |
摘 要: | 针对CMAC神经网络的网络节点随输入维数的增大呈几何级数增加的问题,提出了基于模糊聚类的超闭球CMAC神经网络改进算法。该算法通过对输入数据进行模糊聚类确定网络节点数和节点值,并根据输入输出数据通过模糊推理优化算法计算神经网络初始权值。与原算法比较,该算法可有效降低神经网络节点数,提高系统的学习精度。对一个多步时延的非线性系统的辨识仿真结果表明了该算法的可行性与有效性。
|
关 键 词: | 人工智能 CMAC神经网络 聚类 模糊推理 学习 |
收稿时间: | 2010-07-29 |
|
| 点击此处可从《吉林大学学报(信息科学版)》浏览原始摘要信息 |
|
点击此处可从《吉林大学学报(信息科学版)》下载全文 |
|