登菲斯

动态演化神经模糊推理系统及其在时间序列预测中的应用。本文介绍了一种用于在线和离线自适应学习的新型模糊推理系统,即动态进化神经模糊推理系统(DENFIS),及其在动态时间序列预测中的应用。DENFIS通过增量、混合(有监督/无监督)、学习和适应新的输入数据,包括新特性、新类等,通过局部元素调整来发展。新的模糊规则是在系统运行过程中产生和更新的。在每个时刻,DENFIS的输出通过一个模糊推理系统计算,该系统基于从模糊规则集中动态选择的m个最活跃的模糊规则。提出了两种方法:(1)动态创建DENFIS在线模型的一阶Takagi-Sugeno型模糊规则集;(2)为DENFIS离线模型创建一阶Takagi-Sugeno型模糊规则集或扩展的高阶规则集。在DENFIS学习之前或学习过程中,可以插入一组模糊规则。模糊规则也可以在学习过程中或之后提取。文中还介绍了一种用于在线和离线DENFIS模型的进化聚类方法(ECM)。时间序列的自适应学习方法在某些复杂的序列学习中表现出了良好的效果。


zbMATH参考文献(参考 56篇文章 参考)

显示第1到第20个结果,共56个。
按年份排序(引用)
  1. Maciel,Leandro;Ballini,Rosangela;Gomide,Fernando:演化可能性模糊建模(2017)
  2. Zhao,Wanqing;Beach,Thomas H.;Rezgui,Yacine:参数模型中线性识别的有效最小角度回归(2017)
  3. Abiyev,Rahib H.;Abizade,Sanan:使用模糊神经系统诊断帕金森病(2016)
  4. Al-Hmouz,Rami;Pedrycz,Witold;Balamash,Abdullah;Morfeq,Ali:颗粒时间序列的描述和分类(2015)ioport公司
  5. Inacio,Mauririo;Lemos,Andre;Caminhas,Walmir:基于聚类算法和漂移检测的进化模糊分类器故障诊断(2015)
  6. Lala Riza;Christoph Bergmeir;Francisco Herrera;JoséBenítez:frbs:R中基于模糊规则的分类和回归系统(2015)不是zbMATH
  7. Daniel Leite;Gomide,Fernando:使用不精确数据流的增量粒度模糊建模(2015)
  8. Liparulo,Luca;Proietti,Andrea;Panela,Massimo:使用凸壳作为几何模型的模糊聚类(2015)
  9. Reyes Galaviz,Orion F.;Pedrycz,Witold:粒度模糊模型:分析、设计和评估(2015)
  10. Abiyev,Rahib H.:使用2型模糊神经网络进行信用评级(2014)
  11. Baharani,Mohammadeza;Noori,Hamid;Aliasgari,Mohammad;Navabi,Zain:嵌入式系统局部线性神经模糊模型的高级设计空间探索(2014)ioport公司
  12. Chairez,I.:基于Takagi-Sugeno推理的不确定非线性系统的多重DNN标识符(2014)
  13. 陈成鸿;廖燕云:神经模糊推理系统的部落粒子群优化及其预测应用(2014)
  14. 崔文华;王,盛杰;宁,陈旭:银行现金流量的时间序列预测方法及模拟比较(2014)
  15. Pedrycz,Witold;Lu,Wei;Liu,Xiaodong;Wang,Wei;Wang,Lizhong:以人为中心的时间序列分析与解释:粒度计算的视角(2014)ioport公司
  16. Razi,Farshad Faezy:项目组合选择的灰色关联分析和非支配排序遗传算法II(2014)ioport公司
  17. Hametner,Christoph;Jakubek,Stefan:在线发动机建模的本地模型网络识别(2013)ioport公司
  18. Kasabov,Nikola;Dhoble,Kshitij;Nuttalid,Nuttapod;Indiveri,Giacomo:用于在线时空模式识别的动态演化尖峰神经网络(2013)ioport公司
  19. Lemos,Andre;Caminhas,Walmir;Gomide,Fernando:使用进化模糊分类器的自适应故障检测和诊断(2013)ioport公司
  20. Lemos,Andre;Caminhas,Walmir;Gomide,Fernando:进化智能系统:方法、算法和应用(2013)ioport公司