GeSOFNN

GenSoFNN:一个通用的自组织模糊神经网络。现有的神经模糊(神经模糊)网络在文献中可以大致分为两组。第一组本质上是具有自调整能力的模糊系统,并且需要在训练之前指定初始规则库。另一方面,第二组神经模糊网络能够自动地从数值训练数据中形成模糊规则。在训练之前不需要指定初始规则库。首先对训练数据进行聚类分析,然后通过这些计算的簇的适当连接导出模糊规则。然而,大多数现有的神经模糊系统(无论它们属于第一组还是第二组)都遇到了一个或多个以下主要问题。它们是(1)不一致的规则基;(2)启发式定义的节点操作;(3)对噪声训练数据的易感性和稳定性可塑性困境;(4)需要先验知识,例如要计算的簇的数目。因此,本文提出了一种新的神经模糊系统。这种新的神经模糊系统被命名为通用自组织模糊神经网络(GSONFNN)。GNSOFNN网络采用一种称为离散增量聚类(DIC)的新聚类技术,具有很强的噪声容限能力。GeSOFNN网络的模糊规则库是一致的和紧凑的,因为GeSOFNN具有内置的机制来识别和修剪冗余和/或过时的规则。使用所提出的GeSOFNN网络进行了广泛的模拟,并且其性能在对其他神经和神经模糊系统进行基准测试时是令人鼓舞的。


ZBMaCT中的参考文献(9篇文章中引用)

显示结果1至9的9。
按年份排序(引文

  1. 吴,Ailong;Zeng,志刚:基于忆阻器的时变时滞递归神经网络的动态行为(2012)
  2. ARAAS: Bahrammirzaee人工智能在金融领域的应用比较:人工神经网络、专家系统和混合智能系统(2010)伊波尔特
  3. 李,Yonggon;回回,Stefen;Zivii,埃德温;K AK,SnistalH.H:不确定系统的可变神经自适应鲁棒控制器(2008)
  4. 林,程建:TSK型神经模糊网络设计的一种高效免疫共生粒子群优化学习算法(2008)伊波尔特
  5. K. C.,利用一个新的RSPOP模糊神经网络智能股票交易系统最大化赢利交易(2008)伊波尔特
  6. 李,Chi Yung;林,程建;陈,Huei Jen:一种自构造模糊CMAC模型及其应用(2007)
  7. Tung,W. L.;Quek,C.:一种用于不确定性学习和推理的脑启发模糊语义记忆模型(2007)伊波尔特
  8. 林,程建;徐,Yong Ji:一种基于群体共生进化的自适应神经模糊网络及其预测应用(2006)
  9. Tung,W. L.;Quek,C.;程,P.:GunSO EWS:一种新的基于神经模糊预测银行故障的预警系统(2004)伊波尔特