10.3321/j.issn:1005-3026.2000.04.003
基于实值遗传算法的模糊神经网络辨识器
提出了一种基于实值遗传算法(RVGA)的模糊神经网络辨识器.它常被用于非线性动态系统的辨识.通常模糊神经网络辨识器参数的训练采用反向传播学习算法(BP),但是用BP算法有训练时间长,容易陷入局部极小的问题.采用RVGA来训练模糊辨识器的参数,由于GA算法具有并行运算,多点寻优等特点,所以它运算速度快,容易实现全局寻优.传统的GA算法采用二进制编码,计算繁复且占用大量的空间.采用一种新的实数编码方法,在实数域上进行遗传运算,操作简便,特别适用于需要调整的参数较多的情况.仿真结果表明,该辨识器具有良好的逼近性能和较快的训练速度.
实值遗传算法(RVGA)、模糊逻辑系统(FLS)、模糊神经网络(FNN)、辨识器、BP算法
21
TP237.4(自动化技术及设备)
辽宁省自然科学基金26237
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共3页
354-356