分组区间二型模糊神经网络抗噪逼近器的研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (26): 39-42.

分组区间二型模糊神经网络抗噪逼近器的研究

吴成勇，王士同

江南大学数字媒体学院，江苏无锡 214122

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-11 发布日期:2011-09-11

Research on anti-noise approximator using the method of packet interval type-2 fuzzy neural networks

WU Chengyong，WANG Shitong

School of Digital & Media，Jiangnan University，Wuxi，Jiangsu 214122，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-11 Published:2011-09-11

摘要/Abstract

摘要： 将区间二型模糊系统与神经网络系统相结合，运用分组的思想构造抗噪逼近器，并用提出的抗噪性能评价标准进行抗噪衡量。实验结果表明，该方法具有更好的逼近能力和抗噪能力。

关键词: 模糊系统, 区间二型模糊, 模糊神经网络, 模糊逼近, 抗噪逼近器

Abstract: Interval type-2 fuzzy system and neural networks system are combined for anti-noise approximator with the idea of packet，and the evaluation criteria is proposed to measure anti-noise capability at the same time.Experimental results indicate that this method has a better approximation capability and anti-noise capability.

Key words: fuzzy system, interval type-2 fuzzy, fuzzy neural networks, fuzzy approximation, anti-noise approximator

吴成勇，王士同. 分组区间二型模糊神经网络抗噪逼近器的研究[J]. 计算机工程与应用, 2011, 47(26): 39-42.

WU Chengyong，WANG Shitong. Research on anti-noise approximator using the method of packet interval type-2 fuzzy neural networks[J]. Computer Engineering and Applications, 2011, 47(26): 39-42.

[1]	童文林，陈德旺，黄允浒，吕宜生. 结合模拟退火与规则约简的模糊系统优化方法[J]. 计算机工程与应用, 2021, 57(16): 142-150.
[2]	周非，罗晓勇，刘云萍. 基于概率模型的实时修正IMM目标跟踪算法[J]. 计算机工程与应用, 2020, 56(21): 85-92.
[3]	杜轻，辛守庭，雷新宇，于海涛. 基于脑网络和TSK模糊系统的癫痫脑电识别[J]. 计算机工程与应用, 2020, 56(2): 133-140.
[4]	彭越兮1，徐蔚鸿1，2，陈沅涛1，马宏华3. 改进量子粒子群算法的模糊神经网络水质评价[J]. 计算机工程与应用, 2018, 54(11): 211-216.
[5]	张楠，南敬昌，高明明. 基于分组混沌PSO算法的模糊神经网络建模研究[J]. 计算机工程与应用, 2017, 53(9): 31-37.
[6]	王翠翠1，李宝萍1，2，毛军军2. 基于区间二型模糊熵的多属性决策方法[J]. 计算机工程与应用, 2017, 53(18): 132-136.
[7]	南敬昌，周丹，高明明. 基于自适应模糊神经网络的功放预失真新方法[J]. 计算机工程与应用, 2016, 52(7): 96-100.
[8]	贠今天1，2，许立磊1，2，桑宏强2. 遥操作机器人自适应模糊控制及跟踪性能研究[J]. 计算机工程与应用, 2015, 51(3): 61-65.
[9]	孟劦1，胡亚洲2,陈晓2. 基于自适应模糊神经网络控制器的网络控制系统[J]. 计算机工程与应用, 2015, 51(18): 90-93.
[10]	刘国荣1，2，钟庭欢1. 一种基于FNN的感应电机定子电阻辨识建模方法[J]. 计算机工程与应用, 2015, 51(18): 233-238.
[11]	侯越，赵贺. 改进的粒子群算法优化TSFNN的交通流预测[J]. 计算机工程与应用, 2014, 50(4): 236-239.
[12]	周晔，余隋怀，初建杰. 基于DFNN的语义驱动色彩智能设计研究[J]. 计算机工程与应用, 2014, 50(3): 145-149.
[13]	刘亮，徐蔚鸿. 模糊Hopfield网络的收敛性与鲁棒性分析[J]. 计算机工程与应用, 2014, 50(23): 73-76.
[14]	张昊1，符策红1，张诚一2. 直觉模糊层次分析法下投行股票估值模型选择[J]. 计算机工程与应用, 2014, 50(15): 204-206.
[15]	周頔1，孙俊2，盛歆漪1. 使用新混合模糊聚类算法的模糊系统建模方法[J]. 计算机工程与应用, 2014, 50(12): 16-20.