加权模糊推理网络及在水淹层识别中的应用
提出了一种加权模糊推理网络的结构模型和学习算法,该网络的基本信息处理单元为模糊推理神经元,融合了模糊逻辑能够较完整的表达领域规则和先验知识以及神经网络自适应环境的优点.根据模糊推理规则的量化表示形式和微分方程数值解的动力学思想推导出网络一种新的学习算法.该算法具有稳定,收敛速度快,且能较好避免网络学习陷入局部极值点.以油田生产复杂水淹层识别问题为例,验证了模型和算法的有效性.
模糊推理、神经网络、模型、学习算法、水淹识别
24
TP183(自动化基础理论)
国家自然科学基金10172028
2004-11-18(万方平台首次上网日期,不代表论文的发表时间)
共3页
105-107