论文部分内容阅读
提出一种根据输入与输出样本间映射关系的复杂度确定模糊神经网络的输入隶属函数个数与参数的产方法，采用输入输出样本关系曲率来表示函数的复杂度，根据曲率的大小确定隶属函数的中心点与宽度，使隶属函数的分布符合映射的变化，从而提高逼近精精度的同时减少隶属函数个数的增加，通过仿真将这一方法与均匀方法及自组织聚类方法比较，结果表明，该方法在学习的快速性与精度方面均具有较优的性能。