本文關(guān)鍵詞：基于UKF的增長型模糊神經(jīng)網(wǎng)絡(luò)設(shè)計　出處：《控制與決策》2017年12期 　論文類型：期刊論文

  更多相關(guān)文章： 模糊神經(jīng)網(wǎng)絡(luò) 無跡卡爾曼濾波 增長型 非線性系統(tǒng)建模

【摘要】：為了實現(xiàn)模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)的同時調(diào)整,提出一種基于無跡卡爾曼濾波(UKF)的增長型模糊神經(jīng)網(wǎng)絡(luò)(UKF-GFNN).首先,利用UKF對模糊神經(jīng)網(wǎng)絡(luò)的參數(shù)進行調(diào)整;然后,設(shè)計一種基于隱含層神經(jīng)元輸出強度的模糊規(guī)則增長機制,實現(xiàn)模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)增長;最后,將所提出的增長型模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于非線性系統(tǒng)建模.實驗結(jié)果顯示,基于UKF的增長型模糊神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)結(jié)構(gòu)和參數(shù)的自校正,并且具有較高的建模精度.
[Abstract]:In order to realize the simultaneous adjustment of fuzzy neural network structure and parameters, a growth fuzzy neural network based on unscented Kalman filter (UKF) is proposed. The parameters of fuzzy neural network are adjusted by UKF. Then, a fuzzy rule growth mechanism based on the output strength of the hidden layer neuron is designed to realize the structure growth of the fuzzy neural network. Finally, the proposed growth fuzzy neural network is applied to nonlinear system modeling. Experimental results show that the growth fuzzy neural network based on UKF can achieve self-tuning of structure and parameters. And it has high modeling precision.
【作者單位】： 北京工業(yè)大學(xué)電子信息與控制工程學(xué)院;計算智能與智能系統(tǒng)北京市重點實驗室;
【基金】：國家自然科學(xué)基金項目(61533002,61622301) 北京市自然科學(xué)基金項目(4172005) 科技部水專項(2017ZX07104)
【分類號】：TP183
【正文快照】： 0模糊神經(jīng)網(wǎng)絡(luò)不僅可以利用先驗知識實現(xiàn)模糊邏輯,而且具有神經(jīng)網(wǎng)絡(luò)的自學(xué)習和自整定能力,已經(jīng)在模式識別、信號處理、非線性系統(tǒng)辨識和控制等領(lǐng)域得到了廣泛的應(yīng)用[1-4].模糊神經(jīng)網(wǎng)絡(luò)的性能由其結(jié)構(gòu)和參數(shù)共同確定,在應(yīng)用過程中必須預(yù)先確定其結(jié)構(gòu)和學(xué)習算法,使得模糊神經(jīng)網(wǎng)

【相似文獻】

相關(guān)期刊論文 前10條

1 邢進生,安凱,萬百五;模糊神經(jīng)網(wǎng)絡(luò)的記憶[J];西安交通大學(xué)學(xué)報;2001年02期

2 王旭e，

本文編號：1435427