| 神经网络结构的递归T—S模型模型 |
| |
| 引用本文： | 李翔,陈增强,袁著祉.神经网络结构的递归T—S模型模型[J].系统工程学报,2001,16(4):268-274. |
| |
| 作者姓名： | 李翔 陈增强 袁著祉 |
| |
| 作者单位： | 南开大学自动化系, |
| |
| 基金项目： | 国家863/CIMS应用基础研究基金资助项目(863-511-945-010); 天津自然科学基金资助项目(983602011). |
| |
| 摘 要： | 提出一种新的递归T－S模型（Takagi-Sugeno模型）的模糊神经网络结构（TSFRNN），利用动态BP（DBP）算法来学习训练神经网络的参数，通过与通常的多层前馈神经网络结构的T－S模糊神经网络（TSFNN）的对比仿真实验，说明在非线性系统建模方面TSFRNN比TSFNN更加优越。
|
| 关 键 词： | 递归神经网络 T－S模糊模型 非线性系统 建模 学习算法 |
| 文章编号： | 1000-5781(2001)04-0268-07 |
| 修稿时间： | 1999年11月22 |
Recurrent T-S fuzzy model in neural networks structure |
| |
| LI Xiang,CHEN Zeng qiang,YUAN Zhu zhi.Recurrent T-S fuzzy model in neural networks structure[J].Journal of Systems Engineering,2001,16(4):268-274. |
| |
| Authors: | LI Xiang CHEN Zeng qiang YUAN Zhu zhi |
| |
| Abstract: | A novel fuzzy recurrent neural networks in recurrent T S model (TSFRNN) is constructed in this paper, where dynamic BP (DBP) algorithm is applied as the training algorithm. Compared with T S fuzzy neural networks using multi layer feedforward neural networks (TSFNN), our TSFRNN is much more advantageous over TSFNN in modeling nonlinear systems via simulation studies. |
| |
| Keywords: | recurrent neural networks T-S fuzzy model fuzzy neural networks nonlinear system modeling |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
