一种基于改进T-S模糊推理的模糊神经网络学习算法

被引：26

作者：

许哲万 ^{[1
,2
]}

李晶皎 ^{[1
]}

王爱侠 ^{[1
]}

郭先日 ^{[2
]}

机构：

[1] 东北大学信息科学与工程学院

[2] 金日成综合大学计算机科学大学

来源：

计算机科学 | 2011年 / 38卷 / 11期

关键词：

模糊神经网络; 模糊推理; 天气预测; 安全态势;

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：

140502 [人工智能];

摘要：

针对模糊神经网络学习算法计算量过大,在预测模型设计中提出了基于改进T-S模糊推理的模糊神经网络学习算法。主要工作如下:首先,改进T-S模糊推理方法,定义基于偏移率的T-S模糊推理方法;然后,通过将此模糊推理方法与基于合成规则的模糊推理方法及距离型模糊推理方法相比较可以看出,所提方法有较少的计算量,且比较有效;最后,在此基础上改善了模糊神经网络学习算法,并将其应用于天气预测与安全态势预测。测试结果表明,该方法明显改善了学习效率,减少了预测模型设计中的学习次数与时间复杂度,并降低了学习误差。

引用

页码：196 / 199+219 +219

页数：5

共 10 条

[1]

模糊神经网络模型算法研究与应用 [D].

张健 .

大庆石油学院,

2002

[2]

一种基于数值积分的过程神经元网络训练算法 [J].

许少华 ;

王颖 ;

王皓 ;

何新贵 .

计算机科学, 2010, 37 (11) :203-205

[3]

基于改进粒子群算法的模糊神经网络及其在短时天气预报中的应用 [J].

周岩 ;

王盛 ;

高传善 ;

孙慰迟 .

计算机应用与软件, 2010, 27 (05) :234-237

[4]

模型输入对模糊神经网络预报模型的影响研究 [J].

金龙 ;

史旭明 .

计算机工程与应用, 2007, (31) :192-195

[5]

模糊神经网络的发展 [J].

白玉清 ;

孙云山 .

科技情报开发与经济, 2007, (21) :157-158

[6]

网络安全态势评估与趋势感知的分析研究 [D].

萧海东 .

上海交通大学,

2007

[7]

神经模糊系统及其应用.[M].王士同编著;.北京航空航天大学出版社.1998,

[8]

Dynamic fuzzy neural networks modeling and adaptive backstepping tracking control of uncertain chaotic systems.[J].Da Lin;Xingyuan Wang;Fuzhong Nian;Yonglei Zhang.Neurocomputing.2010, 16

[9]

Prediction ability and sensitivity of artificial intelligence-based habitat preference models for predicting spatial distribution of Japanese medaka (Oryzias latipes) [J].

Fukuda, Shinji ;

Hiramatsu, Kazuaki .

ECOLOGICAL MODELLING, 2008, 215 (04) :301-313

[10]

Takagi–Sugeno fuzzy inference system for modeling stage–discharge relationship.[J].A.K. Lohani;N.K. Goel;K.K.S. Bhatia.Journal of Hydrology.2006, 1

← 1 →