改进的模糊神经网络应用于投标报价

被引:5
作者
韩敏
范迎南
孙燕楠
机构
[1] 大连理工大学电子与信息工程学院,大连理工大学电子与信息工程学院,大连理工大学电子与信息工程学院大连,大连,大连
关键词
模糊神经网络; 投标报价; 规则选取; 泛化能力;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
针对模糊神经网络规则膨胀导致的网络训练速度慢和泛化能力弱的缺陷,提出了一种改进的基于T-S模型的模糊神经网络的结构和算法。网络结构包括前件和后件网络二部分,本文在后件网络中增加了一个隐含层以提高计算能力,在前件网络中运用了有效模糊规则选取的方法以提高收敛速度。最后将提出的网络结构应用于建筑工程的投标报价中,仿真结果证明:该网络能达到更高的误差精度、更快的训练速度和更好的泛化能力。
引用
收藏
页码:443 / 448
页数:6
相关论文
共 10 条
[1]   多输入模糊神经网络及其应用 [J].
韩敏 ;
孙燕楠 .
系统工程与电子技术, 2003, (10) :1249-1252+1291
[2]   集成神经网络快速估价模型 [J].
卢德林 ;
章祥荪 ;
陈洁 .
系统科学与数学, 2003, (03) :295-305
[3]   用神经网络进行投标报价中的变量选择 [J].
韩敏 ;
林云 ;
齐东海 .
大连理工大学学报, 2002, (01) :110-114
[4]   几种模糊神经网络系统关系的对比研究 [J].
丛爽 .
信息与控制, 2001, (06) :486-491+536
[5]   神经网络的泛化理论和泛化方法 [J].
魏海坤 ;
徐嗣鑫 ;
宋文忠 .
自动化学报, 2001, (06) :806-815
[6]   EFNN——一种增强型模糊神经网络 [J].
陈保国 ;
朱奕 ;
张华 ;
张家余 .
哈尔滨工业大学学报, 2001, (01) :89-92
[7]   多变量模糊神经网络控制器的研究 [J].
李旭明 .
控制与决策 , 2001, (01) :107-110
[8]   从样本数据中获取模糊规则的一种算法 [J].
荣莉莉 ;
王众托 .
系统工程学报, 1998, (01) :59-67
[9]   基于T-S模型的模糊神经网络 [J].
孙增圻 ;
徐红兵 .
清华大学学报(自然科学版), 1997, (03) :77-81
[10]  
智能控制技术.[M].易继锴;侯媛彬编著;.北京工业大学出版社.1999,