一种新的基于神经模糊推理网络的复杂系统模糊辨识方法
针对基于输入输出数据的复杂系统的模糊辨识问题,提出了一种新的神经模糊推理网络及相应的学习算法.学习算法被应用于系统的结构辨识与参数辨识.在结构辨识阶段,介绍了一种新的直接从输入输出数据中抽取和优化模糊规则的学习算法;在参数辨识阶段,提出和推导了一种非监督学习和监督学习相结合的混合式学习算法,实现模糊隶属函数的初步调整和优化.仿真结果表明,本文的方法可以同时满足对辨识精度、收敛速度、可读性和规则数的要求.
模糊辨识、神经模糊网络、规则抽取、非监督学习、监督学习
32
TP18(自动化基础理论)
国家自然科学基金60334020;60440420130;60475030;60575047;国家重点基础研究发展计划973计划2003CB517106;科技部国际科技合作项目2004DFB02100;中国科学院引进国外杰出人才基金2005-1-11
2006-10-18（万方平台首次上网日期，不代表论文的发表时间）
共9页
695-703
