分级在线自组织学习的GD-FNN算法研究 |
| |
引用本文: | 左军,周灵,孙亚民.分级在线自组织学习的GD-FNN算法研究[J].中山大学学报(自然科学版),2015(3):26-29,35. |
| |
作者姓名: | 左军 周灵 孙亚民 |
| |
作者单位: | 佛山科学技术学院电子与信息工程学院;南京理工大学计算机科学与技术学院 |
| |
基金项目: | 广东省自然科学基金资助项目(S2011020002719) |
| |
摘 要: | 提出了基于椭圆基函数(EBF)的广义动态模糊神经网络(GD-FNN)算法。算法提取的模糊规则具有很好可理解性,可以作为建模工具,也可以作为知识提取的工具。广义动态模糊神经网络由于基于模糊ε-完备性,同时提出了一种新颖的在线参数分配机制,从而缓解了初始化的随机选择,且与输入变量不同值域没有关系,因而更容易构造一个较好性能的模糊系统。开发了仿真程序,对具体案例进行仿真,取得了较为理想的结果。
|
关 键 词: | 广义动态模糊神经网络 动态模糊神经网络 径向基函数 椭圆基函数 |
本文献已被 CNKI 等数据库收录! |
|