丹菲

DNFIS: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新的模糊推理系统,称为动态进化神经模糊推理系统(DENFIS),用于自适应在线和离线学习,以及它们在动态时间序列预测中的应用。DeNFIS通过增量、混合(监督/非监督)、学习和适应新的输入数据,包括新的特征、新的类等,通过局部元素调整来进化。在系统的运行过程中,新的模糊规则被创建和更新。在每一时刻,通过基于模糊规则集动态选择的最大激活模糊规则的模糊推理系统来计算DIFFIS的输出。提出了两种方法:(1)DeFIS在线模型的一阶Takagi Sugeno型模糊规则集的动态生成;(2)为DeFIS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。一套模糊规则可以插入到DIFFIS之前或在其学习过程中。模糊规则也可以在学习过程中或之后提取。还介绍了一种用于在线和离线DNFIS模型的演化聚类方法(ECM)。结果表明,DENFIS能够以自适应的方式有效地学习复杂的时间序列,优于现有的一些已知的模型。


ZBMaCT中的参考文献(56篇文章中引用)

显示结果1至20的56。
按年份排序(引文
  1. Maciel,莱安德鲁;巴里尼,Rosangela;GoMIDE,费尔南多:进化可能性模糊建模(2017)
  2. 赵,万青;海滩,Thomas H.;ReZGUI,YACNIN:参数模型中线性识别的有效最小角度回归(2017)
  3. Abiyev,Rahib H.;Abizade,三南:用模糊神经系统诊断帕金森病(2016)
  4. Al Hmouz,Rami;Pedrycz,威托尔德;Balamash,阿卜杜拉;莫菲克,Ali:粒度时间序列的描述和分类(2015)伊波尔特
  5. Inacio,Maurilio;LeMOS,安德烈;CAMIMAWS,WalmiR:基于聚类算法和漂移检测的进化模糊分类器的故障诊断(2015)
  6. Lala Riza;Christoph Bergmeir;小·弗朗西斯科·埃雷拉;JoeseBeiTez:FRBS:R(2015)中基于模糊规则的分类和回归系统不是ZB数学
  7. 莱特,丹尼尔;Gomide,费尔南多:使用不精确数据流的增量式颗粒模糊建模(2015)
  8. 李葩汝咯,卢卡;Proietti,安德列;PANELA,马西莫:用凸包作为几何模型的模糊聚类(2015)
  9. Reyes Galaviz,猎户座F;Pedrycz,威特尔:粒状模糊模型:分析、设计和评价(2015)
  10. Abiyev,Raib H.:使用2型模糊神经网络的信用评级(2014)
  11. Baharani,Mohammadreza;诺利,哈米德;Aliasgari,穆罕默德;Navabi,ZAIN:嵌入式系统局部线性神经模糊模型的高层次设计空间探索(2014)伊波尔特
  12. 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,Cheng Hung;Liao,Yen Yun: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,Wen Hua;王,杰胜;宁,陈旭:银行现金流时间序列预测方法及仿真比较(2014)
  15. Pedrycz,威特尔德;卢,魏;刘,Xiaodong;王,魏;王,王:时间序列的人类中心分析和解释:粒度计算的视角(2014)伊波尔特
  16. Razi,Farshad Faezy:项目投资组合选择的混合灰色关联分析和非支配排序遗传算法II(2014)伊波尔特
  17. Hametner,克里斯托夫;JAKUBEK,斯特凡:在线发动机模型的局部模型网络辨识(2013)伊波尔特
  18. Kasabov,尼古拉;Dhoble,Kshitij;Nuntalid,Nutopod;Indiveri,Giacomo:用于在线时空和光谱模式识别的动态演化尖峰神经网络(2013)伊波尔特
  19. LimOS,安德烈;CAMNIADS,Walmir;GoMIDE,费尔南多:使用进化模糊分类器的自适应故障检测和诊断(2013)伊波尔特
  20. LimOS,安德烈;CAMNIADS,Walmir;GoMIDE,费尔南多:进化智能系统:方法、算法和应用(2013)伊波尔特