未找到相关数据
随机模糊神经网络及在随机混沌时间序列预测中的应用
被引：14
作者：
王军平
陈全世
田光宇
机构：
[1] 清华大学汽车安全与节能国家重点实验室,清华大学汽车安全与节能国家重点实验室,清华大学汽车安全与节能国家重点实验室北京,北京,北京
来源：
关键词：
随机模糊神经网络;
参数学习;
结构学习;
随机混沌时间序列;
D O I：
暂无
中图分类号：
TP18 [人工智能理论];
学科分类号：
140502 [人工智能];
摘要：
针对随机模糊神经网络(SFNN)的网络结构没有明确的物理含义,仅仅是一种实现随机模糊逻辑系统的计算结构的问题,对其网络结构进行了改进,重新定义了每层的节点原型.改进后每层之间的物理含义明确且节点数目减少,从而计算量有所减少.对于SFNN的参数和结构,可以分别通过参数学习算法和结构学习算法来优化.将SFNN用于随机混沌时间序列预测,仿真结果表明:该系统由于引入了随机的概念,使网络能更有效地防止噪声的干扰,因而更适合于工程应用.
引用
收藏
页码：991 / 994
页数：4
相关论文