新型模糊神经网络模型

doi:10.3778/j.issn.1002-8331.2010.16.017

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (16): 60-62.DOI: 10.3778/j.issn.1002-8331.2010.16.017

新型模糊神经网络模型

李孝忠^1，2，李秋²，张有伟²

1.天津科技大学计算机科学与信息工程学院，天津 300222
2.天津大学系统工程研究所，天津 300072

收稿日期:2008-12-18 修回日期:2009-02-24 出版日期:2010-06-01 发布日期:2010-06-01
通讯作者: 李孝忠

New kind of fuzzy neural network model

LI Xiao-zhong^1，2，LI Qiu²，ZHANG You-wei²

1.College of Computer Science & Information Engineering，Tianjin University of Science & Technology，Tianjin 300222，China
2.Institute of System Engineering，Tianjin University，Tianjin 300072，China

Received:2008-12-18 Revised:2009-02-24 Online:2010-06-01 Published:2010-06-01
Contact: LI Xiao-zhong

摘要/Abstract

摘要： 分析了已有模糊神经网络模型结构与学习算法的特点，针对它们收敛速度慢、全局逼近能力差等不足，提出了一种新型的模糊神经网络模型，其在模糊化层实现了隶属函数的合成，且结构简单、推理层只有两个节点。实验结果表明该模型具有收敛速度快、全局逼近能力强的优点，具有一定的实用价值。

关键词: 模糊神经网络, BP算法, 参数优化

Abstract: Model structures and learning algorithms of Fuzzy Neural Network（FNN） introduced before have been analyzed.In order to overcome their slow convergence and bad overall approximation，a new kind of fuzzy neural network model is presented.The model proposed synthesizes membership functions in the fuzzy level and has simple structure.The inference level includes only two nodes.The simulation result shows the model has fast convergence rate and fine overall approximation and is more effective compared with other models.

Key words: Fuzzy Neural Network（FNN）, Back-Propagation（BP） algorithm, parameter optimization

中图分类号:

TP183

李孝忠^1，2，李秋²，张有伟². 新型模糊神经网络模型[J]. 计算机工程与应用, 2010, 46(16): 60-62.

LI Xiao-zhong^1，2，LI Qiu²，ZHANG You-wei². New kind of fuzzy neural network model[J]. Computer Engineering and Applications, 2010, 46(16): 60-62.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[3]	张琳，汪廷华，周慧颖. 基于群智能算法的SVR参数优化研究进展[J]. 计算机工程与应用, 2021, 57(16): 50-64.
[4]	巫光福，陈颖. 花授粉算法研究与应用综述[J]. 计算机工程与应用, 2021, 57(15): 30-41.
[5]	胡春阳，姜平，周根荣. 改进蚁群算法在AGV路径规划中的应用[J]. 计算机工程与应用, 2020, 56(8): 270-278.
[6]	李道全，王雪，于波，黄泰铭. 基于一维卷积神经网络的网络流量分类方法[J]. 计算机工程与应用, 2020, 56(3): 94-99.
[7]	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.
[8]	梁华刚，张志伟，王亚茹. 自适应Gabor卷积核编码网络的表情识别方法[J]. 计算机工程与应用, 2020, 56(10): 149-156.
[9]	李墨羽，焦瑞莉，朱云龙，吴世玉. GNSS-R SAR地面目标建模与成像[J]. 计算机工程与应用, 2019, 55(23): 265-270.
[10]	王丽婷，张金鑫，张金华. 乌鸦搜索算法在SVM参数优化中的应用[J]. 计算机工程与应用, 2019, 55(21): 214-219.
[11]	邓辉，罗倩，王岩. 基于IMF能量矩和Bayes-LSSVM的滚动轴承诊断[J]. 计算机工程与应用, 2019, 55(17): 156-161.
[12]	李婕1，李昊2，赵新蕖1. 免疫遗传算法的混合动力汽车多目标优化[J]. 计算机工程与应用, 2018, 54(4): 237-243.
[13]	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.
[14]	温博文，董文瀚，解武杰，马骏. 基于改进网格搜索算法的随机森林参数优化[J]. 计算机工程与应用, 2018, 54(10): 154-157.
[15]	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.

新型模糊神经网络模型

New kind of fuzzy neural network model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics