论文天下|会计论文|管理论文|计算机论文|医药学论文|经济学论文|法学论文|社会学论文|文学论文|教育论文|理科论文|工科论文|艺术论文|哲学论文|文化论文|外语论文|格式论文
论文天下
计算机应用论文  计算机理论论文  计算机网络论文  电子商务论文  软件工程论文  操作系统论文  通信技术论文   
浅析基于EKF的模糊神经网络快速自组织学习算法

 摘 要:为了快速地构造一个有效的模糊神经网络,提出一种基于扩展卡尔曼滤波(ekf)的模糊神经网络自组织学习算法。在本算法中,按照提出的无须经过修剪过程的生长准则增加规则,加速了网络在线学习过程;使用ekf算法更新网络的自由参数,增强了网络的鲁棒性。仿真结果表明,该算法具有快速的学习速度、良好的逼近精度和泛化能力。
  
  关键词:模糊神经网络;扩展卡尔曼滤波;自组织学习
    di:10.3969/j.issn.1001-3695.2010.07.016
  
  fast self-rganizing learning algrith based n ekf fr fuzzy neural netrk
  
  zhu shang-b,liu yu-jing
  (llege f puter siene, hngqing university, hngqing 400044, hina)
  abstrat:t nstrut an effetive fuzzy neural netrk, this paper presented a self-rganizing learning algrith based n extended kalan filter fr fuzzy neural netrk. in the algrith, the netrk gre rules arding t the prpsed gring riteria ithut pruning, speeding up the nline learning press.all the free paraeters ere updated by the extended kalan filter apprah and the rbustness f the netrk as bviusly enhaned. the siulatin results sh that the prpsed algrith an ahieve fast learning speed, high apprxiatin preisin and generatin apability.
  key rds:fuzzy neural netrk; extended kalan filter(ekf); self-rganizing learning
  
  模糊神经网络起源于20世纪80年代后期的日本,由于其简单、实用,已经被广泛应用在工业控制、系统辨识、模式识别、数据挖掘等许多领域[1~4]。然而,如何从可用的数据集和专家知识中获取合适的规则数仍然是一个尚未解决的问题。为了获取模糊规则,研究人员提出了不同的算法,如文献[5]利用正交最小二乘算法确定径向基函数的中心,但是该算法训练速度比较慢;文献[6]提出了基于径向基函数的自适应模糊系统,其算法使用了分层自组织学习策略,但是逼近精度低。扩展卡尔曼滤波(ekf)算法作为一种非线性更新算法,在神经网络中得到了广泛应用。文献[7]利用扩展卡尔曼滤波算法调整多层感知器的权值,文献[8]利用扩展卡尔曼滤波算法调整径向基函数网络的权值。
  本文提出了一种模糊神经网络的快速自组织学习算法(sfnn)。该算法基于无须修剪过程的生长准则增加模糊规则,加速了网络学习过程,同时使用ekf调整网络的参数。在该算法中,模糊神经网络结构不是预先设定的,而是在学习过程中动态变化的,即在学习开始前没有一条模糊规则,在学习过程中逐渐增加模糊规则。与传统的模糊神经网络学习算法相比,本算法所得到的模糊规则数并不会随着输入变量的增加而呈指数增长,特别是本算法无须领域的专家知识就可以实现对系统的自动建模及抽取模糊规则。当然,如果设计者是领域专家,其知识也可以直接用于系统设计。本算法所得到的模糊神经网络具有结构小、避免出现过拟合现象等特点。
  1 sfnn的结构
  本文采用与文献[9]相似的网络结构,如图1所示。其中,r是输入变量个数;xi(i=1,2,…,r)是输入语言变量;y是系统的输出;fij是第i个输入变量的第j个隶属函数;rj表示第j条模糊规则;j是第j条规则的结果参数;u是系统总的规则数。
  
  下面是对该网络各层含义的详细描述。
  第一层:输入层。每个节点代表一个输入语言变量。
  
  第二层:隶属函数层。每个节点代表一个隶属函数,隶属函数采用如下的高斯函数:
  
  μij=exp(-(xi-ij)2σ2ij);i=1,2,…,r; j=1,2,…,u(1)
  
  其中:r是输入变量数;u是隶属函数个数,也代表系统的总规则数;μij是xi的第j个高斯隶属函数;ij是xi的第j个高斯隶属函数的中心;σij是xi的第j个高斯隶属函数的宽度。

未完...点击下方链接下载完整文档

浅析基于EKF的模糊神经网络快速自组织学习算法

摘 要:为了快速地构造一个有效的模糊神经网络,提出一种基于扩展卡尔曼滤波(ekf)的模糊神经网络自组织学习算法。在本算法中,按照提出的无须经过修剪过程的生长准则增加规则,加速了网络在线学习过程;使用ekf算法更新网络的自由参数,增强了网络的鲁棒性。仿真结
  • 上一篇:浅析基于量子粒子群优化的DAG并行任务调度
  • 下一篇:简论一种安全的数字音频水印方案
  • 运用PowerShell计算行×列表χ2
    加强基层国库业务系统应急机制建
    基于SOA的实验教学管理原型系统
    高速公路机电设备管理系统的研究
    基于PDM技术的AGC电路设计
    关于任务驱动式教学方式在计算机
    基于Delphi开发平台的分布
    基于条码技术的库存管理系统设计
    基于多智能体的用户偏好系统研究
    电子报刊版面设计浅谈
    计算机在儿童保健系统管理中的作
    计算机病毒及防范措施
    煤矿无人工作面中视频监控系统的
    基于LabVIEW可视化数据采集处理
    关于电子技术应用专业课改的设想
    浅谈基于ARM7处理器LPC2119的U
    基于数学形态学的心电信号R波
    浅谈基于GIS的通信指挥网上训
    浅析基于IWT和FCM的曲线矢量数
    浅析中小型园区网的设计与实现
    略论一种基于负载均衡异构分布
    浅谈基于Simulink的自动控制系
    浅析一种基于前缀节点的频繁子
    浅析移位寄存器的Multisim仿真
    略一种基于混沌搜索的文化算法
    | 设为首页 | 加入收藏 | 联系我们 | 论文发表

    Copyright 2006-2020 © 论文天下 All rights reserved 本站所有内容均由SPider自动索引,如有侵权请联系QQ:2486851删除