摘要
Lim,J.S.,Ryu,T.-W.,Kim,H.-J.,Gupta,S.:利用加权模糊隶属函数神经网络对特异性抗体缺乏综合征进行特征选择。 作者:Wang,L.,Jin,Y.(编辑)FSKD 2005。 LNCS(LNAI),第3614卷,第811-820页。 斯普林格,海德堡(2005)。 谷歌学者 数字图书馆 Ishibuchi,H.,Nakashima,T.:模式分类问题模糊规则系统中的投票。 模糊集与系统103,223-238(1999)。 谷歌学者 Nauk,D.,Kruse,R.:从数据中学习模糊分类规则的神经模糊方法。 模糊集与系统89,277-288(1997)。 谷歌学者 数字图书馆 Setnes,M.,Roubos,H.:GA-模糊建模和分类:复杂性和性能。 IEEE传输。 模糊系统8(5),509-522(2000)。 谷歌学者 数字图书馆 韩国银行,《韩国商业周期》,月刊,第31-53页(2004年1月)。 谷歌学者 Hoptroff,R.G.,Bramson,M.N.,Hall,T.J.:用神经网络预测经济转折点。 IJCNN-91-西雅图1,347-352(1991)。 谷歌学者 Freisleben,B.,Ripper,K.:使用神经网络进行经济预测。 1995年IEEE神经网络国际会议论文集,第2卷,第833-839页。 IEEE出版社,纽约(1995)。 谷歌学者 《通过神经网络识别商业周期转折点》,计算经济学7175-185(1994)。 谷歌学者 数字图书馆 Mitra,A.、Mitra、S.:使用小波滤波和神经网络预测商业周期运动。 《印度金融》第十八卷(4),1605-1626(2004)。 谷歌学者 熊彼特,J.:《商业周期:资本主义进程的理论、历史和统计分析》。 McGrow-Hill,纽约(1939年)。 谷歌学者 Cho,S.,Chung,W.:经济学。 Bummon有限公司,第685-693页(1990年)。 谷歌学者 Zarnowitz,V.,Moore,G.H.:衰退和复苏的序贯信号。 《商业杂志》55,55-85(1982)。 谷歌学者 Neftci,S.N.:周期性衰退的最佳预测。 《经济学与控制杂志》4,225-241(1982)。 谷歌学者 Hamilton,J.:非平稳时间序列和商业周期经济分析的新方法。 《计量经济学》57,357-384(1989)。 谷歌学者 交叉引用 Raihan,S.M.,Wen,Y.,Zeng,B.:《小波:商业周期分析的新工具》,圣路易斯工作文件FRB 2005 050A(2005)。 谷歌学者 韩国银行,《韩国潜在经济增长率下降趋势的原因》,《月刊》,第23-58页(2005年9月)。 谷歌学者 Carpenter,G.A.、Grossberg,S.、Markuzon,N.、Reynolds,J.H.、Rosen,D.B.:模糊ARTMAP:模拟多维地图增量监督学习的神经网络架构。 IEEE神经网络汇刊3(5)(1992年9月)。 谷歌学者 Walker,J.S.:小波及其科学应用入门。 CRC出版社,博卡拉顿(1999)。 谷歌学者
建议
一种具有高斯隶属函数的直觉模糊神经网络 本文提出了一种具有高斯隶属度函数和Yager-generating函数的直觉模糊神经网络(IFNN)。 由于直觉模糊逻辑(IFL)同时考虑了隶属度、非隶属度和迟滞值。。。 用于模糊时序处理和手势识别的递归模糊网络 提出了一种用于处理模糊时间信息的模糊化Takagi-Sugeno-Kang(TSK)型递归模糊网络(FTRFN)。 FTRFN扩展了我们之前提出的网络TRFN,以处理由。。。 同时处理语言和数字信息的模糊神经模糊推理网络 本文提出了一种能够同时处理语言和数字信息的模糊化Takagi-Sugeno-Kang(TSK)型神经模糊推理网络(FTNFIN)。 FTRNFN解决了现有大多数神经网络的不足。。。