基于改进GA的模糊神经网络参数学习算法及其应用的研究论文.pdf

摘要 模糊系统理论为处理不确定性信息提供了一种方法；神经网络常 用于非线性映射的逼近；模糊神经网络吸收了模糊系统和神经网络二 者的优点，是一种常用的处理非线性问题的有力工具，它的学习算法 是其理论与应用研究中最关键的一个方面，由于结构学习通常可以转 化为参数学习，故模糊神经网络的参数学习问题是一个非常值得研究 的课题。 本文首先分析了模糊神经网络，遗传算法，以及非线性系统建模 和自适应滤波的发展和现状。在介绍模糊系统，神经网络的原理及模 糊神经网络的结构和学习算法，阐述遗传算法的流程、基本原理的基 础上，对模糊神经网络以及遗传算法的不足进行了归类与总结。提出 了一种改进策略的遗传算法，即混合编码，交叉与变异并行处理，自 适应交叉和动态变异，引入移民机制以及在遗传算法中加入BP算子 等。 采用这种改进的遗传算法调节模糊神经网络的参数，并应用于非 线性系统建模和自适应滤波中，通过与神经网络和模糊系统在这两方 面应用的仿真对比，验证了该方法的有效性和优越性。 关键词模糊系统，神经网络，模糊神经网络，遗传算法，学习算法 a methodfor with theory uncertain Fuzzy provides dealing is to information．Neuralnetwork used nonlinear usually approach combines isa neuralnetwork both mapping．Fuzzy strongpoints，it tooltodealwithnonlinear of powerful problems．Thelearningalgorithm neuralnetworkisvitalfortheresearchofits and fuzzy theory itis worth moreattentionon applications，simultaneouslyvery paying thestructure canbetransformedinto parameterslearning，since learning parameters learning． Inthis the andcurrent first,analyzingdevelopment paper,at situationof neural of fuzzy network，geneticalgorithm，modeling nonlinear and the of systemadaptivefilter．Introducingtheoryfuzzy networkandthestructureand of system，neural learningalgorithmfuzzy