根索芬

GenSoFNN:一种通用的自组织模糊神经网络。现有文献中提出的神经模糊(neuro-fuzzy)网络大致可分为两类。第一组基本上是具有自校正能力的模糊系统,需要在训练前指定初始规则库。另一方面,第二组神经模糊网络能够根据数值训练数据自动生成模糊规则。培训前不需要指定初始规则库。首先对训练数据进行聚类分析,然后通过这些计算出的聚类之间的适当联系来导出模糊规则。然而,大多数现有的神经模糊系统(无论是属于第一类还是第二类)都会遇到以下一个或多个主要问题。它们是(1)不一致的规则库;(2)启发式定义的节点操作;(3)对噪声训练数据的敏感性和稳定性可塑性困境;(4)需要先验知识,例如要计算的簇数。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称为一般自组织模糊神经网络(GenSoFNN)。GenSoFNN网络采用一种新的聚类技术离散增量聚类(DIC),具有较强的抗噪能力。GenSoFNN网络的模糊规则库是一致和紧凑的,因为GenSoFNN有内置的机制来识别和删减冗余和/或过时的规则。使用所提出的GenSoFNN网络进行了大量的仿真,当与其他神经和神经模糊系统进行比较时,它的性能是令人鼓舞的


zbMATH中的参考文献(参考 9篇文章 参考)

显示第1到第9个结果,共9个。
按年份排序(引用)

  1. 吴爱龙;曾志刚:基于记忆电阻的时变时滞递归神经网络的动态行为(2012)
  2. Arash Bahrammirzaee:人工智能在金融领域应用的比较调查:人工神经网络、专家系统和混合智能系统(2010)ioport公司
  3. Lee,Yonggon;Hui,Stefen;Zivi,Edwin;Żak,Stanislaw H.:不确定系统的可变神经自适应鲁棒控制器(2008)
  4. 林成建:一种高效的基于免疫的TSK型神经模糊网络设计的共生粒子群优化学习算法(2008)ioport公司
  5. Tan,A.;Quek,C.;Yow,K.C.:使用新型RSPOP模糊神经网络智能股票交易系统最大化赢取交易(2008)ioport公司
  6. 李志勇;林成建;陈惠珍:一个自构模糊CMAC模型及其应用(2007)
  7. Tung,W.L.;Quek,C.:一个用于不确定性学习和推理的受大脑启发的模糊语义记忆模型(2007)ioport公司
  8. 林成建;许永吉: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.;Cheng,P.:GenSo EWS:一种新的基于神经模糊的银行倒闭预警系统(2004)ioport公司