【摘 要】
：
本文主要研究基于神经网络和模糊系统的分层混合模糊-神经网络模型(HHFNN)的训练算法设计，分别提出了基于三角波隶属函数，梯形隶属函数，Gauss型隶属函数以及基于Takagi-Sugeno型
论文部分内容阅读
本文主要研究基于神经网络和模糊系统的分层混合模糊-神经网络模型(HHFNN)的训练算法设计，分别提出了基于三角波隶属函数，梯形隶属函数，Gauss型隶属函数以及基于Takagi-Sugeno型模糊系统的四种训练算法.与HHFNN已有的训练算法和经典BP算法相比，这四种新的训练算法在训练精度和参数数量上更有优势.
按照在模糊子系统部分所调整参数位置的不同，本文所提出的训练算法可以分为以下的两种类型。
第一种类型包括基于三角波，梯形和Gauss型隶属函数的三个训练算法.调整的参数主要是模糊子系统规则前件中的隶属函数(三角波和梯形)的中心(Gauss型隶属函数的参数包括中心和宽度)，在上层神经网络部分采用梯度下降法调整权重和偏置值.其中，在2.3节中本文重点研究了基于三角波隶属函数的训练算法，该训练算法具有如下良好的性质：(1).所需要调整的参数个数一定少于HHFNN已有的训练算法所需调整的参数个数；(2).当隐层神经元个数大于2时(该条件在实际应用中一般都能被满足)，该训练算法需要调整的参数个数就少于经典BP算法所需要调整的参数个数；(3).在相同条件下通过仿真实验对比，基于三角波隶属函数的训练算法的精度(训练精度和测试精度)都要比模型原有训练算法和经典BP算法高.
2.4节和2.5节分别给出了基于梯形和Gauss型隶属函数的训练算法及其仿真实验对比结果，并分析了基于不同隶属函数的训练算法的性能.
第二种类型是基于Takagi-Sugeno型模糊系统的训练算法，2.6节详细讨论了该训练算法.这个训练算法在模糊子系统部分使用的是Takagi-Sugeno模型，模糊规则后件采用输入变量的齐次线性函数.调整的参数包括规则后件中齐次线性函数的系数和上层神经网络的权重以及偏置值，仍然采用了梯度下降法实现这些参数的更新.该训练算法的参数个数与HHFNN原有的训练算法相同，但是在训练误差和学习速度方面都要大大优于原有训练算法和经典BP算法.
其他文献
我们采用在([11])中对有限马尔可夫链的分解方法.应用分解方法和生火过程知识，采用递推方法，我们获得了遍历的闭Jackson网络的谱隙的下界.同样我们也状得了谱隙的上界.在文章的
Ricci流是一个关于黎曼度量的曲率流，在1982年被RichardHamilton[H1]引入。[H1]利用Ricci流证明具有正Ricci曲率的单连通的三维闭流形微分同胚于三维球面，因此Ricci流为研究三
初中数学前置作业经典情境题.竞猜引出发现,6根火柴棒搭三角形,由密率开始,妈妈的回答,一张纸折叠51次.
Junior middle school math classics pre-assignment classic situa
我们考虑一个由多个节点组成的移动通讯排队网络。如果存在随机的外部数据过程到达网络中的某些服务节点，每个数据包最后到达终点或终点的集合。在每个节点前的无限缓冲区内，数
本文中,我们考虑了当x∈R2,k∈Z时,半线性广义Tricomi方程Pu=(()2y-y2k+1△x)u=f(x,y,u)Cauchy问题解的存在性及正则性.由于特征曲面的奇性,我们同时也研究了解关于特征曲面
条件风险价值(CVaR)风险测量方法是在VaR风险测量方法的缺陷基础上产生的,其含义是：组合损失超过VaR的条件均值,反映超额损失的平均水平.它具有VaR模型的优点,同时在理论上又
电磁场散射分析广泛地应用于雷达目标探测，研究目标电磁场散射特性具有重要的实际意义。由于数值模拟仿真在求解电磁场散射问题中表现出快捷有效、可控性强、适用范围广泛以及
请下载后查看，本文暂不支持在线获取查看简介。
Please download to view, this article does not support online access to view profile.
粒子群算法(PSO)源于鸟群和鱼群群体运动行为的研究,是一种新的群智能优化算法,是进化计算领域中的一个新的分支。该算法相对于遗传算法简单容易实现,没有交叉和变异操作,收
1998年长期资本管理公司破产后，美国股票市场的波动率节节攀升，为了对冲过高的波动率风险，大型投资银行、对冲基金、资产管理公司纷纷选择交易一种纯粹为波动率提供风险暴露的新