留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

TSK模糊神经网络及其约束优化学习算法

徐春梅 尔联洁 扈宏杰

徐春梅, 尔联洁, 扈宏杰等 . TSK模糊神经网络及其约束优化学习算法[J]. 北京航空航天大学学报, 2005, 31(06): 595-598.
引用本文: 徐春梅, 尔联洁, 扈宏杰等 . TSK模糊神经网络及其约束优化学习算法[J]. 北京航空航天大学学报, 2005, 31(06): 595-598.
Xu Chunmei, Er Lianjie, Hu Hongjieet al. TSK-DRFNN and its constrained optimization algorithm[J]. Journal of Beijing University of Aeronautics and Astronautics, 2005, 31(06): 595-598. (in Chinese)
Citation: Xu Chunmei, Er Lianjie, Hu Hongjieet al. TSK-DRFNN and its constrained optimization algorithm[J]. Journal of Beijing University of Aeronautics and Astronautics, 2005, 31(06): 595-598. (in Chinese)

TSK模糊神经网络及其约束优化学习算法

详细信息
    作者简介:

    徐春梅(1973-),女,山东昌乐人,博士生, xuchunmei1030@sohu.com.

  • 中图分类号: TP 273

TSK-DRFNN and its constrained optimization algorithm

  • 摘要: 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.

     

  • [1] Sastry P S, Santharam G. Memory neuron networks for identification and control of dynamical system[J]. IEEE Transaction on Neural Network, 1994, l5(2):306~319 [2] Williams R J, Zisper D. A learning algorithm for continually running fully recurrent neural networks[J]. Neural Computer, 1998,11(6):270~280 [3] Lee C H, Teng C C. Identification and control of dynamic systems using recurrent fuzzy neural networks[J]. IEEE Transaction on Fuzzy Systems, 2000,8(4):349~366 [4] Mastorocostas P, Theocharis J. FUNCOM:a constrained learning algorithm for fuzzy neural networks[J]. Fuzzy Sets and Systems,2000,112(3):1~26 [5] Mastorocostas P, Theocharis J. A recurrent fuzzy-neural model for dynamic system identification[J]. IEEE Transactions of Systems, Man and Cybernetics-Part B, 2002,32(2):176~190 [6] Jang C H. A TSK-type recurrent fuzzy network for dynamic systems processing by neural network and genetic algorithms[J]. IEEE Transaction on Fuzzy Systems, 2002,10(2):155~169 [7] Jang S R. ANFIS:adaptive-network-based fuzzy inference system [J]. IEEE Transactions Systems, Man, Cyhern, 1993,6(23):665~685
  • 加载中
计量
  • 文章访问数:  2838
  • HTML全文浏览量:  69
  • PDF下载量:  1441
  • 被引次数: 0
出版历程
  • 收稿日期:  2004-01-12
  • 网络出版日期:  2005-06-30

目录

    /

    返回文章
    返回
    常见问答