×
邓兴生;王新洲

动态模糊神经网络的增量学习用于准确的系统建模。 （英语） Zbl 1182.68164号

模糊集系统。 160，第7号，972-987（2009）.
摘要：我们提出了一种基于混合模糊神经网络框架的新型增量学习方法。该方法的一个关键特征是模糊神经网络（FNN）模型能够适应每个新数据。FNN的典型算法在用于精确的在线时间序列时效率很低，因为每次修改训练集时都必须从头开始重新训练。为了降低动态系统FNN学习的费用，提出了一种通用的FNN建模快速算法。提出了静态模糊神经网络的FNN-LM算法和动态模糊神经网络（DFNN）的增量学习算法（ILA），以强制模型逼近每个新样本。ILA方法具有避免增加矩阵秩和避免在样本逐渐增加时求解逆矩阵的优点。当用于预测准确的在线时间序列时，DFNN模型可以根据加入训练集的样本以非常快的速度有效地更新训练好的静态FNN。数值实验验证了我们的理论结果。所提出的方法在建模精度和学习收敛性方面表现出优异的性能。

引用于4文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
93立方厘米 模糊控制/观测系统

关键词：

增量学习算法;FNN-LM算法;动态模糊神经网络;动态系统建模;准确的在线时间序列

软件：

HyFIS公司;ANFIS公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Deng}和\textit{X.Wang}，模糊集系统。160，第7号，972--987（2009；Zbl 1182.68164）
全文： 内政部

参考文献：

[1] 盒子，G.E.P。；Jenkins，G.M.，《时间序列分析、预测和控制》（1976），《霍尔顿日：旧金山霍尔顿日》·Zbl 0109.37303号
[2] G.Cauwenberghs，T.Poggio，增量式和减量式支持向量机学习[C]，in：神经信息处理系统的进展（NIPS 2000），第13卷，麻省理工学院出版社，马萨诸塞州剑桥，2001年，第109-123页。；G.Cauwenberghs，T.Poggio，增量式和减量式支持向量机学习[C]，in：神经信息处理系统的进展（NIPS 2000），第13卷，麻省理工学院出版社，马萨诸塞州剑桥，2001年，第109-123页。
[3] 陈，S。；Cowan，C.F.N。；Grant，P.M.，径向基函数网络的正交最小二乘学习算法，IEEE Trans。神经网络，2302-309（1991）
[4] Cho，K.B。；Wang，B.H.，基于径向基函数的自适应模糊系统及其在系统识别和预测中的应用，模糊集与系统，83，3，325-339（1996）
[5] 崔，X.Z。；于振聪。；陶伯忠，《广义测量平差》（2001），武汉测绘大学出版社
[6] X.S.Deng，大坝位移分析与预测的模糊神经网络方法研究。武汉大学硕士学位论文，2004年。；X.S.Deng，大坝位移分析与预测的模糊神经网络方法研究。武汉大学硕士学位论文，2004年。
[7] Er，M.J。；吴世清，简约模糊神经系统的快速学习算法，模糊集与系统，126337-351（2002）·Zbl 0996.68633号
[8] 高，Y。；Er，M.J.，NARMAX时间序列模型预测前馈和递归模糊神经网络方法，模糊集与系统，150，331-350（2005）·Zbl 1058.62077号
[9] Jang，J.S.R.，ANFIS:基于自适应网络的模糊推理系统，IEEE Trans。Systems Man Cybernet。，23, 3, 665-685 (1993)
[10] Juang，C.F.，基于可变长度染色体遗传算法的动态模糊网络解决的时间问题，模糊集与系统，142，199-219（2004）·Zbl 1081.68085号
[11] Kim，J。；Kasabov，N.，HyFIS:自适应神经模糊推理系统及其在非线性动力系统中的应用，神经网络，121301-1319（1999）
[12] Leng，G。；麦金尼蒂，T.M。；Prasad，G.，《使用自组织模糊神经网络在线提取模糊规则的方法》，《模糊集与系统》，150，211-243（2005）·Zbl 1067.68128号
[13] 李，C。；Cheng，K.H.，精确系统建模的递归神经模糊混合学习方法，模糊集与系统，158194-212（2007）·Zbl 1110.93030号
[14] 李，X。；阮，D.，基于模糊（δ）规则的新型神经算法，用于求解模糊关系方程，模糊集与系统，109，355-362（2000）·Zbl 0956.68131号
[15] Lin，C.T。；杜，F.B。；Liu，D.J.，用于文字信息处理的神经模糊网络，模糊集与系统，127，37-48（2002）·Zbl 1029.68599号
[16] Liu，P.，多层正则模糊神经网络对连续模糊值函数的通用逼近，模糊集与系统，119313-320（2001）·Zbl 0976.93055号
[17] 卢，Y。；北Sundararajan。；Sarathandran，P.，使用最小径向基函数网络进行函数逼近的顺序学习方案，神经计算。，9, 461-478 (1997) ·兹比尔1067.68586
[18] 马，J。；泰勒，J。；Perkins，S.，精确在线支持向量回归，神经计算。，15, 2683-2703 (2003) ·兹比尔1085.68640
[19] Mamdani，E.H.，《模糊逻辑在语言综合近似推理中的应用》，IEEE Trans。计算。，26, 1182-1191 (1977) ·Zbl 0397.94025号
[20] M.Martin，用于函数逼近的在线支持向量机，技术报告LSI-02-11-R，西班牙加泰罗尼亚理工大学软件系，2002年。；M.Martin，《函数逼近的在线支持向量机》，技术报告LSI-02-11-R，西班牙加泰罗尼亚政治大学软件系，2002年。
[21] 马斯托克斯塔斯，P。；Theocharis，J.，FUNCOM：模糊神经网络的约束学习算法，模糊集与系统，112，1-26（2000）
[22] Nörgaard，M.，基于神经网络的系统识别工具箱（1997），丹麦技术大学自动化系，第1-32页
[23] Ùstermark，R.，用于多组分类的模糊神经网络算法，模糊集与系统，105，113-122（1999）
[24] Ùstermark，R.，一种用于涉及多组分类问题的混合遗传模糊神经网络算法，模糊集与系统，114311-324（2000）·Zbl 0970.68567号
[25] 奎克，C。；周瑞伟，基于近似类比推理模式的非单输入模糊神经网络的结构和学习算法，模糊集与系统，1571814-1831（2006）·Zbl 1101.68082号
[26] 罗哈斯，I。；冈萨雷斯，J。；卡纳斯，A。；迪亚兹，A.F。；罗哈斯·F·J。；Rodriguez，M.，使用带回归权重的RBF网络对混沌时间序列进行短期预测，国际。神经系统杂志，10353-364（2000）
[27] D.R.Rutledge，S.Z.Meyerholtz，PE，《利用差分全球定位系统对利比大坝进行性能监测》，美国大坝学会，2005年6月。；D.R.Rutledge，S.Z.Meyerholtz，PE，《利用差分全球定位系统对利比大坝进行性能监测》，美国大坝学会，2005年6月。
[28] Sugeno，S。；Tanaka，K.，模糊模型的连续识别及其在复杂系统预测中的应用，模糊集与系统，42，315-334（1991）·Zbl 0741.93052号
[29] 王立新。；Mendel，J.M.，模糊基函数，通用逼近和正交最小二乘学习，IEEE Trans。神经网络，3，5，807-814（1992）
[30] Wang，X.Z。；邓晓生，大坝位移预测的模糊神经网络，武汉大学地理信息科学，30588-591（2005）
[31] 徐，C。；Lu，Y.，动态系统的模糊模型辨识和自学习，IEEE Trans。Systems Man Cybernet。，17, 683-689 (1987) ·Zbl 0643.93018号
[32] 尹浩，《时空位移分析与预测理论与方法》（2002），中国测绘出版社
[33] 于斯。；Yu，X。；Man，Z.，具有快速终端滑动模式的模糊神经网络逼近器及其应用，模糊集与系统，148469-486（2004）·Zbl 1071.68542号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。