10.3321/j.issn:1001-506X.2005.03.007
混沌序列的T-SK反馈模糊神经网络预测
针对模糊神经网络预测混沌系统输入节点数目的确定随意性较大及敛速度慢的缺点,提出T-SK反馈模糊神经网络(T-SK recurrentfuzzy network,TRFN).同时采用两阶段学习算法:先进行结构学习来确定TRFN的最佳结构,再利用基于混沌动态量的BP算法对神经网络进行参数学习,提高了收敛速度和预测精度.应用此网络和相应的学习算法,对Henton序列进行了预测,与传统的模糊神经网络相比,在节点数目较少的情况下,取得了更快更精确的预测结果,验证了该方法的有效性.
模糊神经网络、混沌、BP算法
27
TN914.4
2005-05-12(万方平台首次上网日期,不代表论文的发表时间)
共4页
406-409