基于T-S模型的扩展型模糊神经网络及应用

被引：23

作者：

韩敏

范迎南

机构：

[1] 大连理工大学电子与信息学院

来源：

系统工程学报 | 2007年 / 05期

关键词：

模糊神经网络; 投标报价; 泛化能力; 正则项系数; 样本分类;

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：

针对基于T-S模型的模糊神经网络的局部逼近缺陷,提出了一种基于T-S模型的扩展型模糊神经网络,从训练样本特性和网络结构两个方面来提高网络模型的泛化能力.利用先验知识和模糊推理的方法对样本集进行分析和分类处理,使样本集更加规范;并采用模糊规则推理动态调整正则项系数的方法来减小网络结构.仿真结果表明,所提出的网络具有更快的收敛速度和良好的泛化能力.

引用

收藏

页码：532 / 538

页数：7

相关论文

共 13 条

[1]

改进的模糊神经网络应用于投标报价 [J].

韩敏 ;

范迎南 ;

孙燕楠 .

系统工程理论方法应用, 2005, (05) :443-448

[2]

基于T-S模型的锌钡白干燥煅烧过程自适应神经模糊推理系统建模 [J].

朱燕飞 ;

蔡永昶 ;

毛宗源 .

信息与控制, 2004, (04) :472-475

[3]

人工神经网络预报模型的过拟合研究 [J].

金龙 ;

况雪源 ;

黄海洪 ;

覃志年 ;

王业宏 .

气象学报, 2004, (01) :62-70

[4]

一种基于模糊推理的神经网络学习算法 [J].

周颢 ;

任庆生 ;

戚飞虎 .

上海交通大学学报, 2004, (01) :96-98+102

[5]

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

[6]

基于神经网络的建筑行业投标报价研究 [J].

韩敏 ;

林云 ;

孙燕楠 ;

齐东海 .

系统工程学报, 2003, (04) :348-355

[7]

高层建筑风振反应的T-S模糊控制 [J].

张旭红 ;

许美贤 ;

张善元 .

系统仿真学报, 2003, (04) :587-589

[8]

前馈神经网络病态样本投票剔除算法 [J].

艾景军 ;

周春光 ;

宫成春 .

小型微型计算机系统, 2002, (11) :1371-1374

[9]

一种新的模糊规则动态调整正则项系数的神经网络学习方法 [J].

武妍 ;

张立明 .

红外与毫米波学报, 2002, (03) :189-194

[10]

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