@第{条IJNAM-20-709，author={丁、杰旭、森和李志杰}，title={基于模糊神经网络的非线性系统辨识的分数阶学习方法}，journal={国际数值分析与建模杂志}，年份={2023}，体积={20}，数字={5}，页数={709--723}，抽象={本文主要研究基于神经网络的非线性辨识学习方法动态系统。引入Takagi-Sugeno（T-S）模糊模型来表示非线性线性系统。积分分数微积分以最小化成本函数，得出一种分数阶学习算法，可以导出T-S模糊模型中的最佳参数。通过将该算法与用于识别的积分阶方法进行比较，对该算法进行了评估数值非线性系统和水质系统。两项评估都表明该算法可以有效地减少误差，提高模型精度。
},issn={2617-8710}，doi={https://doi.org/10.4208/ijnam2023-1031},网址={http://global-sci.org/intro/article_detail/ijnam/22009.html}}
TY-JOUR公司基于模糊神经网络的非线性系统辨识的T1-分数阶学习方法AU-丁杰AU-徐，森AU-李志杰JO-国际数值分析与建模杂志VL-5级SP-709型第723页2023年上半年DA-2023/09年序号-20做-http://doi.org/10.4208/ijnam2023-1031UR-（欧元）https://global-sci.org/intro/article_detail/ijnam/22009.htmlKW-分数微积分，T-S模糊神经网络，梯度下降法，非线性系统。AB公司-本文主要研究基于神经网络的非线性辨识学习方法动态系统。引入Takagi-Sugeno（T-S）模糊模型来表示非线性线性系统。积分分数微积分以最小化成本函数，得出一种分数阶学习算法，可以导出T-S模糊模型中的最佳参数。通过将该算法与用于识别的积分阶方法进行比较，对该算法进行了评估数值非线性系统和水质系统。两项评估都表明该算法可以有效地减少误差，提高模型精度。
丁杰、徐森、李志杰（2023）。基于模糊神经网络的非线性系统辨识的分数阶学习方法。国际数值分析与建模杂志.20(5).709-723.doi:10.4208/ijnam2023-1031
复制到剪贴板
