计算机与数字工程
計算機與數字工程
계산궤여수자공정
COMPUTER & DIGITAL ENGINEERING
2013年
9期
1423-1425,1432
,共4页
T-S模型%小波模糊神经网络%模糊微分%李亚普诺夫稳定
T-S模型%小波模糊神經網絡%模糊微分%李亞普諾伕穩定
T-S모형%소파모호신경망락%모호미분%리아보낙부은정
T-S model%wavelet fuzzy neural network%fuzzy differential(FD)%lyapunov stability (LS)
利用小波变换的多分辨率特性构造小波模糊神经网络模型,并应用在非线性系统的辨识上.在参数学习上,给出了模糊微分与李亚普诺夫稳定相结合的新算法—LSFD算法,并与梯度下降法进行了对比.通过仿真,结果表明小波模糊神经网络模型与模糊神经网络、模糊小波神经网络、小波神经网络和神经网络等模型相比,其性能指标最小,收敛速度更快,更加准确.
利用小波變換的多分辨率特性構造小波模糊神經網絡模型,併應用在非線性繫統的辨識上.在參數學習上,給齣瞭模糊微分與李亞普諾伕穩定相結閤的新算法—LSFD算法,併與梯度下降法進行瞭對比.通過倣真,結果錶明小波模糊神經網絡模型與模糊神經網絡、模糊小波神經網絡、小波神經網絡和神經網絡等模型相比,其性能指標最小,收斂速度更快,更加準確.
이용소파변환적다분변솔특성구조소파모호신경망락모형,병응용재비선성계통적변식상.재삼수학습상,급출료모호미분여리아보낙부은정상결합적신산법—LSFD산법,병여제도하강법진행료대비.통과방진,결과표명소파모호신경망락모형여모호신경망락、모호소파신경망락、소파신경망락화신경망락등모형상비,기성능지표최소,수렴속도경쾌,경가준학.
