M.F.阿齐姆。;汉曼德鲁,M。;N.艾哈迈德。 广义模糊模型的参数确定。 (英语) Zbl 1075.68657号 软计算。 9,第3期,211-221(2005). 小结:本文强调了一种方法,利用CRI和TS模型在其模糊规则的后继部分中的插值来演化广义模糊模型(GFM)。GFM具有CRI模型的模糊性指数和TS模型的局部模型。GFM的参数通过两步过程进行估计。重新制定模糊规则的后续部分,以适应LSE框架,用于估计相关参数。通过假设前提部分为广义高斯隶属函数,使用梯度下降技术更新其参数。在两个系统上测试了两类GFM的性能,结果表明,在所有测试的模糊模型中,II类GFM是最好的。 理学硕士: 68层37 人工智能背景下的不确定性推理 关键词:广义模糊模型;模糊性指数;混合学习;最小二乘估计;梯度下降 PDF格式BibTeX公司 XML格式引用 \textit{M.F.Azeem}等人,《软计算》。9,第3号,211--221(2005;Zbl 1075.68657) 全文: 内政部