10.3969/j.issn.1001-5965.2005.06.001
TSK模糊神经网络及其约束优化学习算法
针对非线性动态系统特点,提出了一种基于TSK(Takagi-Sugeno-Kang)模糊模型的动态回归模糊神经网络DRFNN(Dynamic Recurrent Fuzzy Neural Network),该模糊神经网络由静态网络和动态网络两部分组成,其中静态网络用来实现规则的条件部分和解模糊部分的计算,由FIR动态滤波器实现的内反馈回归网络用来实现规则的结论部分,为了加快网络收敛速度,给出了基于约束优化算法的网络参数迭代算法,把网络结构优化和参数学习作为一个约束优化问题来解决.应用于非线性系统的辨识和控制仿真试验说明了DRFNN网络及其算法对解决非线性系统问题的有效性.
非线性系统、控制、约束、优化、模糊神经网络
31
TP273(自动化技术及设备)
2005-08-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
595-598