新的模糊神经网络FuCMAC研究.pdfVIP

新的模糊神经网络FuCMAC 程起才冯建华王士同 江南大学 信息工程学院，江苏无锡 214036 123国163．com e-reall：caiqil 摘要：提出了一种基于模糊系统的新型CMAC神经网络(FuCMAC)，该神经网络与经典的FCMAC相 比，它的逼近精度更高，能够解决CMAC系列神经网络逼近精度不高的弱点，深入讨论了FuCMAC的内 部结构，仿真试验也证明了上述特性。 关键词：小脑神经网络模糊小脑神经网络建模 ANovel NeuralNetworkFuCMAC Fuzzy CHENG Jian—hua，WANG Qi—cai，FENG Shi-tong of 21 Information (School Engineering，SouthernYangtzeUniversity,WuxiJiangsu4036，China) 123@163．tom e-marl：caiqil Abstract：Inthis new CMACneuralnetwork,called with fuzzy FuCMAC，ispresented．Compared paper,a theclassical isenhanced．Itsinteriorstructureisdiscussedindetail．The FCMAC，its accuracy approximation alsodemonstratesits simulation performance． Words：CMACCMAC Key Fuzzy modeling 1．引言 ModelArticulation 小脑模型神经网络，也称小脑模型关节控制器(CMAC--Cerebellar 糊逻辑推理的神经网络，此神经网络的结构已经由国内外学者如邓志东等人研究过，由于其 内部结构的特性，在逼近精度方面仍然达不到某些特定应用场合的要求，所以出于这个考虑， 本文针对经典的FCMAC神经网络的这个缺陷，提出了一种新的模糊CMAC神经网络结构 FuCMAC。 2．新型的模糊CMAC神经网络FuCMAC FuCMAC模糊神经网络在输出层引入输入向量的各分量，加上对输入层各输入分量进 行模糊化，这样使得距离任意近的各输入向量都能够在输出得到体现，从而它的逼近精度得 到进一步提高，泛化能力得到进一步加强，其结构如图1所示。虽然它与经典的FCMAC神 经网络的不同之处仅在它的输出层引入了输入矢量，但由于任何输入矢量与它对应的输出矢 量肯定存在一定的联系，所以在输出层引入了输入矢量，这样对于相似的输入矢量之间，通 过输入矢量的线性补偿将能够得到很形似的输出，也就是说输入与相应的输出的关联度更 大，从而达到更好的逼近效果。 糊集合设为Al，A2，A3，…，A拼，它所对应的隶属度函数为u4(X)，u龟(X)，UA3(X)，…， 538 u锄(x)。那么当输入为乃向量时，则此网络结构各层的输出如下： 输入层的各神经元的输出即为输入矢量的各个输入分量xj，，(芦1，2，…，2) 图1 FuCMAC网络 Fig．1a structureofFuCMAC