计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2011年
10期
2770-2773
,共4页
程洪炳%倪世宏%黄国荣%刘华伟%姜正勇
程洪炳%倪世宏%黃國榮%劉華偉%薑正勇
정홍병%예세굉%황국영%류화위%강정용
平淡粒子滤波%自组织模糊神经网络%误差下降率%模糊规则%隶属函数
平淡粒子濾波%自組織模糊神經網絡%誤差下降率%模糊規則%隸屬函數
평담입자려파%자조직모호신경망락%오차하강솔%모호규칙%대속함수
提出一种基于平淡粒子滤波(UPF)的自组织模糊神经网络(SOFNN)训练算法——UPF-SOFNN.分析了基于误差下降率的模糊规则增删策略和神经元增加和删除准则,建立了以隶属函数宽度参数为状态,以理想输出为量测的动力学模型,并利用UPF对神经元参数进行学习.分别以非线性系统函数逼近和系统辨识为例,对UPF-SOFNN算法进行了仿真验证,表明UPF-SOFNN算法具有更紧凑的结构和较强的泛化性能.
提齣一種基于平淡粒子濾波(UPF)的自組織模糊神經網絡(SOFNN)訓練算法——UPF-SOFNN.分析瞭基于誤差下降率的模糊規則增刪策略和神經元增加和刪除準則,建立瞭以隸屬函數寬度參數為狀態,以理想輸齣為量測的動力學模型,併利用UPF對神經元參數進行學習.分彆以非線性繫統函數逼近和繫統辨識為例,對UPF-SOFNN算法進行瞭倣真驗證,錶明UPF-SOFNN算法具有更緊湊的結構和較彊的汎化性能.
제출일충기우평담입자려파(UPF)적자조직모호신경망락(SOFNN)훈련산법——UPF-SOFNN.분석료기우오차하강솔적모호규칙증산책략화신경원증가화산제준칙,건립료이대속함수관도삼수위상태,이이상수출위량측적동역학모형,병이용UPF대신경원삼수진행학습.분별이비선성계통함수핍근화계통변식위례,대UPF-SOFNN산법진행료방진험증,표명UPF-SOFNN산법구유경긴주적결구화교강적범화성능.
