科技信息（科学·教研）
科技信息（科學·教研）
과기신식（과학·교연）
SCIENCE INFORMATION
2008年
5期
40-41
,共2页
最小二乘支持向量机%机器学习%模糊控制%神经网络
最小二乘支持嚮量機%機器學習%模糊控製%神經網絡
최소이승지지향량궤%궤기학습%모호공제%신경망락
探讨了利用最小二乘支持向量机(LS-SVM)进行模糊控制器分析与设计的方法,LS-SVM用等式约束代替传统支持向量机中不等式约束,求解过程从解QP问题变成解一组等式方程.将得到的LS-SVM模型应用到模糊控制,提出了基于LS-SVM模型的模糊控制算法.该控制器融合了模糊控制与支持向量机的优点,具有不依赖被控对象模型、泛化能力强等特点.仿真表明,LS-SVM 学习速度快,在小样本情况下具有良好的非线性建模和泛化能力.基于LS-SVM的模糊控制器具有很好的控制性能.
探討瞭利用最小二乘支持嚮量機(LS-SVM)進行模糊控製器分析與設計的方法,LS-SVM用等式約束代替傳統支持嚮量機中不等式約束,求解過程從解QP問題變成解一組等式方程.將得到的LS-SVM模型應用到模糊控製,提齣瞭基于LS-SVM模型的模糊控製算法.該控製器融閤瞭模糊控製與支持嚮量機的優點,具有不依賴被控對象模型、汎化能力彊等特點.倣真錶明,LS-SVM 學習速度快,在小樣本情況下具有良好的非線性建模和汎化能力.基于LS-SVM的模糊控製器具有很好的控製性能.
탐토료이용최소이승지지향량궤(LS-SVM)진행모호공제기분석여설계적방법,LS-SVM용등식약속대체전통지지향량궤중불등식약속,구해과정종해QP문제변성해일조등식방정.장득도적LS-SVM모형응용도모호공제,제출료기우LS-SVM모형적모호공제산법.해공제기융합료모호공제여지지향량궤적우점,구유불의뢰피공대상모형、범화능력강등특점.방진표명,LS-SVM 학습속도쾌,재소양본정황하구유량호적비선성건모화범화능력.기우LS-SVM적모호공제기구유흔호적공제성능.
