艾哈迈德·巴纳卡尔;穆罕默德·法兹尔·阿齐姆 基于梯度下降和遗传算法混合学习的小波神经模糊模型。 (英语) Zbl 1219.68130号 国际小波多分辨率。信息处理。 9,第2期,333-359(2011). 摘要:提出了一种小波神经模糊模型。提出的工作满足了小波网络在动态系统预测模糊系统中的应用。小波网络逼近每个模糊规则的后继部分。小波网络是一种带有一个隐层的前馈神经网络,它使用小波和Sigmoid激活函数的组合。提出了一种由遗传算法和梯度下降相结合的混合学习方法来调整小波神经模糊模型的学习参数。此外,对该模型的梯度下降学习的收敛性和稳定性进行了分析。为了评估其有效性,我们考虑了三类不同的基准问题。 引用于2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:活化网络;小波网络;神经模糊模型;遗传算法;梯度下降 PDF格式BibTeX公司 XML格式引用 \textit{A.Banakar}和\textit{M.F.Azeem},《国际小波多分辨率》。信息处理。9,第2号,333--359(2011;Zbl 1219.68130) 全文: 内政部 参考文献: [1] 内政部:10.1080/10255810390245546·网址:10.1080/10255810390245546 [2] 内政部:10.1142/S0219691307002099·Zbl 1135.62375号 ·doi:10.1142/S0219691307002099 [3] DOI:10.1016/j.asoc.2007年10月20日·doi:10.1016/j.asoc.2007.10.020 [4] 内政部:10.1109/TNN.2003.820557·doi:10.1109/TNN.2003.820557 [5] DOI:10.1109/72.712150·数字对象标识代码:10.1109/72.712150 [6] Goldberg D.E.,复杂系统5,第139页- [7] 内政部:10.1142/S0219691307001562·Zbl 1158.94313号 ·doi:10.1142/S0219691307001562 [8] Hinton G.E.,复杂系统1,第495页- [9] 内政部:10.1109/91.917126·doi:10.1109/91.917126 [10] 内政部:10.1109/21.256541·数字对象标识代码:10.1109/21.256541 [11] 内政部:10.1142/S0219691307002087·Zbl 1135.62373号 ·doi:10.1142/S0219691307002087 [12] Lee C.H.,IEEE翻译。模糊系统。第8页,349页– [13] 内政部:10.1109/TFUZZ.2006.879982·doi:10.1109/TFUZZ.2006.879982 [14] 内政部:10.1109/72.80202·数字对象标识代码:10.1109/72.80202 [15] 内政部:10.1142/S0219691303000220·Zbl 1044.94511号 ·doi:10.1142/S0219691303000220 [16] Quang C.S.,IEEE传输。系统。人类网络。第751页第35页– [17] 内政部:10.1016/0165-0114(88)90113-3·兹伯利0652.93010 ·doi:10.1016/0165-0114(88)90113-3 [18] Takagi T.,IEEE传输。系统。人类网络。第116页,共15页 [19] 内政部:10.1142/S0219691309003033·Zbl 1181.94036号 ·doi:10.1142/S0219691309003033 [20] D.Whitley,《工程和计算机科学中的遗传算法》(Wiley,1985),pp。191–201. 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。