共 5 条
- [4] 模糊神经网络理论及其在复杂系统中的应用研究[D]. 王振雷.东北大学. 2002
- [5] Acompensation-based recurrent fuzzy neu-ral network for dynamic system identification .2 LIN Cheng-jian,CHEN Cheng-hung,Saliha Eren-turk,et al. Eu-ropean journal of operational research . 2006
遗传算法—模糊聚类动态模糊神经网络辨识
被引：3
作者：
刘胜
赵红
机构：
[1] 哈尔滨工程大学自动化学院
来源：
关键词：
递归T-S模糊神经网络;
c-均值聚类;
遗传算法;
ARMAX模型;
规则数自动获取;
离线训练;
在线辨识;
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：
摘要：
针对非线性系统辨识特点,在剖析具有递归环节的T-S模糊神经网络结构的同时,提出了一种新型的3步设计优化方案,即非线性区域的线性划分、离线训练和在线辨识.将融合了模糊c-mean聚类(GA-FCM)(称为双群体并行聚类)算法引入到RTSFNN中,对非线性系统的输入输出空间进行聚类(线性划分),再在每个线性区域上建立ARMAX模型;利用GA实数编码,同时优化前件隶属函数的中心和宽度、递归增益及后件参数;在线时利用FCM在线分析输入数据特征,确定是否对现有划分进行改动,并利用GA迭代一定代数优化其他参数,直到误差满足要求为止.通过对非线性动态系统的辨识仿真,验证了所提出方法在训练时的寻优速度、训练误差及校验误差指标上均有很大优势.
引用
收藏
页码：825 / 830
页数：6
相关论文