计算机工程与科学
計算機工程與科學
계산궤공정여과학
COMPUTER ENGINEERING & SCIENCE
2012年
4期
82-87
,共6页
徐小来%朱华勇%贺中武%王伟%牛轶峰
徐小來%硃華勇%賀中武%王偉%牛軼峰
서소래%주화용%하중무%왕위%우질봉
UKF%自适应模糊推理神经网络%规则约简%系统辨识%函数逼近
UKF%自適應模糊推理神經網絡%規則約簡%繫統辨識%函數逼近
UKF%자괄응모호추리신경망락%규칙약간%계통변식%함수핍근
如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点.针对这一问题,本文提出了基于UKF的自适应模糊推理神经网络(UKF-ANFIS).首先,通过减法聚类确定UKF-ANFIS的模糊规则及其高斯隶属函数的中心和宽度参数；其次,分析了模糊神经网络的非线性动力系统表示,并用LLS和UKF分别学习线性和非线性的参数；然后,用误差下降率方法作为模糊规则修剪的策略,删除作用不大的规则；最后,通过典型的函数逼近和系统辨识实例,表明本文算法得到的模糊神经网络的结构更为紧凑,泛化性能也更佳.
如何生成最優的模糊規則數及模糊規則的自動生成和脩剪是模糊神經網絡訓練算法研究的重點.針對這一問題,本文提齣瞭基于UKF的自適應模糊推理神經網絡(UKF-ANFIS).首先,通過減法聚類確定UKF-ANFIS的模糊規則及其高斯隸屬函數的中心和寬度參數；其次,分析瞭模糊神經網絡的非線性動力繫統錶示,併用LLS和UKF分彆學習線性和非線性的參數；然後,用誤差下降率方法作為模糊規則脩剪的策略,刪除作用不大的規則；最後,通過典型的函數逼近和繫統辨識實例,錶明本文算法得到的模糊神經網絡的結構更為緊湊,汎化性能也更佳.
여하생성최우적모호규칙수급모호규칙적자동생성화수전시모호신경망락훈련산법연구적중점.침대저일문제,본문제출료기우UKF적자괄응모호추리신경망락(UKF-ANFIS).수선,통과감법취류학정UKF-ANFIS적모호규칙급기고사대속함수적중심화관도삼수；기차,분석료모호신경망락적비선성동력계통표시,병용LLS화UKF분별학습선성화비선성적삼수；연후,용오차하강솔방법작위모호규칙수전적책략,산제작용불대적규칙；최후,통과전형적함수핍근화계통변식실례,표명본문산법득도적모호신경망락적결구경위긴주,범화성능야경가.
