一种连续增量学习模糊神经网络

被引：10

作者：

胡蓉 ^{[1
,2
]}

徐蔚鸿 ^{[1
,3
]}

甘岚 ^{[1
,4
]}

机构：

[1] 南京理工大学计算机科学与技术学院

[2] 长沙航空职业技术学院航空电子电器工程学院

[3] 长沙理工大学计算机与通信工程学院

[4] 华东交通大学信息工程学院

来源：

模式识别与人工智能 | 2013年 / 26卷 / 08期

关键词：

增量学习; 模糊神经网络; 扩展的卡尔曼滤波器(EKF);

D O I：

10.16451/j.cnki.issn1003-6059.2013.08.012

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

为获得快速、准确而精简的模糊神经网络,提出一种连续增量学习模糊神经网络(ISL-FNN).将修剪策略引入到神经元的产生过程,用错误下降率定义输入数据对系统输出的影响并应用于神经元的增长过程.在参数的学习阶段,所有隐含层神经元(无论是新增还是已有)的参数使用扩展的卡尔曼算法更新.通过仿真实验,该算法在达到与其它算法性能相当甚至更好的情况下,能获得更精简的结构.

引用

页码：794 / 800

页数：7

共 7 条

[1]

An improved incremental singular value decomposition [J].

Hu, Rong ;

Xu, Weihong ;

Kuang, Fangjun .

International Journal of Advancements in Computing Technology, 2012, 4 (02) :95-102

[2]

A fast and accurate online self-organizing scheme for parsimonious fuzzy neural networks.[J].Ning Wang;Meng Joo Er;Xianyao Meng.Neurocomputing.2009, 16

[3]

Sequential Adaptive Fuzzy Inference System (SAFIS) for nonlinear system identification and prediction [J].

Rong, HJ ;

Sundararajan, N ;

Huang, GB ;

Saratchandran, P .

FUZZY SETS AND SYSTEMS, 2006, 157 (09) :1260-1275

[4]

An approach for on-line extraction of fuzzy rules using a self-organising fuzzy neural network.[J].Gang Leng;Thomas Martin McGinnity;Girijesh Prasad.Fuzzy Sets and Systems.2004, 2

[5]

Construction of fuzzy systems using least-squares method and genetic algorithm.[J].Cheol W. Lee;Yung C. Shin.Fuzzy Sets and Systems.2002, 3

[6]

A FUNCTION ESTIMATION APPROACH TO SEQUENTIAL LEARNING WITH NEURAL NETWORKS [J].

KADIRKAMANATHAN, V ;

NIRANJAN, M .

NEURAL COMPUTATION, 1993, 5 (06) :954-975

[7]

A Resource-Allocating Network for Function Interpolation [J].

Platt, John .

NEURAL COMPUTATION, 1991, 3 (02) :213-225

← 1 →