基于TS模型的广义模糊神经网络最优参数辨识.pdfVIP

下载本文档

15
0
约1.01万字
约 6页
2017-03-17 发布于广东
举报
版权申诉

基于TS模型的广义模糊神经网络最优参数辨识.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于TS模型的广义模糊神经网络最优参数辨识.pdf

基于T-S模型的广义模糊神经网络最优参数辨识孙禹，王庆林北京市海淀区北京理工大学自动控制系2002级研模式识别，100080(邮编)， woodheady@263．COm 摘要针对模糊神经网络结构不容易调整、参数学习速度慢以及容易陷入局部极值等问题，本文提出采用广义高斯隶属度函数的基于T-S模型的模糊神经网络。在模型参数确定上，将遗传算法与BP算法有机结合，进行模糊抻经网络结构和参数辨识，可以快速，高精度地逼近所要辨识的模型，同时由于应用了遗传算法，可以得到多组候选次优解，使得模型的确定具有很高的灵活性。仿真结果表明了这种方法的高效性。关键词模糊神经网络；遗传算法；广义高斯函数；参数辨识 Network Parameter GeneralizedNeutral Fuzzy Optimal IdentificationBasedOrlT-SModel Sun Yu，WangQing-Lin Control Institute Automatic ofBeijing Department woodheady@263．eom Aimat the learn and ABSTRACT difficultto structure，slow being adjust parameterspeed tobealocalex嘶n、埘lin neutral the network，in fuzzy fuzzy generalized tending paper．a neutralnetworkbasedonT-Smodelis andBP quoted．Combinedgeneticalgorithmalgorithm can fast are method theidentifledmodeland modeI identified．This parameters approach of can several answers．Sothe precisely．Becauseusinggeneticalgorithm，Weget suboptimal are ofthismethodhasbeen identifiedmodels flexible．Good highly performance a demonstratedsimulation． by words neutral GAUSE fuzzy