系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
SYSTEMS ENGINEERING AND ELECTRONICS
2010年
5期
1029-1033
,共5页
无迹卡尔曼滤波%自组织神经网络%T-S模型%系统辨识
無跡卡爾曼濾波%自組織神經網絡%T-S模型%繫統辨識
무적잡이만려파%자조직신경망락%T-S모형%계통변식
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,提出了基于无迹卡尔曼滤波(unscented Kalman filter,UKF)的自组织模糊神经网络的训练算法.分析了模糊神经网络的非线性动力系统表示,并用递推最小二乘法(recursive least square,RLS)和UKF分别学习线性和非线性的参数,给出了模糊规则生成的准则和参数更新的策略;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.通过典型的函数逼近和系统辨识实例,表明所提算法得到的模糊神经网络的结构更为紧凑,泛化性能更佳.
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,提齣瞭基于無跡卡爾曼濾波(unscented Kalman filter,UKF)的自組織模糊神經網絡的訓練算法.分析瞭模糊神經網絡的非線性動力繫統錶示,併用遞推最小二乘法(recursive least square,RLS)和UKF分彆學習線性和非線性的參數,給齣瞭模糊規則生成的準則和參數更新的策略;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.通過典型的函數逼近和繫統辨識實例,錶明所提算法得到的模糊神經網絡的結構更為緊湊,汎化性能更佳.
여하생성최우적모호규칙수급모호규칙적자동생성화수전시모호신경망락훈련산법연구적중점,침대저일문제,제출료기우무적잡이만려파(unscented Kalman filter,UKF)적자조직모호신경망락적훈련산법.분석료모호신경망락적비선성동력계통표시,병용체추최소이승법(recursive least square,RLS)화UKF분별학습선성화비선성적삼수,급출료모호규칙생성적준칙화삼수경신적책략;연후,용오차하강솔방법작위모호규칙수전적책략,산제작용불대적규칙.통과전형적함수핍근화계통변식실례,표명소제산법득도적모호신경망락적결구경위긴주,범화성능경가.