中南大学学报(自然科学版)
中南大學學報(自然科學版)
중남대학학보(자연과학판)
JOURNAL OF CENTRAL SOUTH UNIVERSITY
2013年
2期
580-586
,共7页
张秀玲%赵文保%张少宇%徐腾
張秀玲%趙文保%張少宇%徐騰
장수령%조문보%장소우%서등
云模型%T-S模糊神经网络%最速下降法%板形%模式识别
雲模型%T-S模糊神經網絡%最速下降法%闆形%模式識彆
운모형%T-S모호신경망락%최속하강법%판형%모식식별
将云模型与T-S模糊神经网络相结合,利用正态云代替模糊神经网络的隶属度函数,构成T-S云推理网络.该网络综合考虑了模糊逻辑的快速性和云模型处理数据的不确定性,增强了网络处理数据的能力,同时分析了T-S云推理网络的结构和稳定性.在超熵确定的情况下,使用最速下降法辨识了T-S云推理网络的参数,将该网络应用于板形模式识别,并与T-S模糊神经网络作了对比.仿真结果表明:T-S云推理网络抗干扰能力较强,能够识别出常见的板形缺陷,并且识别精度较高.
將雲模型與T-S模糊神經網絡相結閤,利用正態雲代替模糊神經網絡的隸屬度函數,構成T-S雲推理網絡.該網絡綜閤攷慮瞭模糊邏輯的快速性和雲模型處理數據的不確定性,增彊瞭網絡處理數據的能力,同時分析瞭T-S雲推理網絡的結構和穩定性.在超熵確定的情況下,使用最速下降法辨識瞭T-S雲推理網絡的參數,將該網絡應用于闆形模式識彆,併與T-S模糊神經網絡作瞭對比.倣真結果錶明:T-S雲推理網絡抗榦擾能力較彊,能夠識彆齣常見的闆形缺陷,併且識彆精度較高.
장운모형여T-S모호신경망락상결합,이용정태운대체모호신경망락적대속도함수,구성T-S운추리망락.해망락종합고필료모호라집적쾌속성화운모형처리수거적불학정성,증강료망락처리수거적능력,동시분석료T-S운추리망락적결구화은정성.재초적학정적정황하,사용최속하강법변식료T-S운추리망락적삼수,장해망락응용우판형모식식별,병여T-S모호신경망락작료대비.방진결과표명:T-S운추리망락항간우능력교강,능구식별출상견적판형결함,병차식별정도교고.