自适应T-S型模糊径向基函数网络
TP181; 针对T-S型模糊推理系统的模型参数辨识问题,充分利用模糊推理系统的可理解性与神经网络的学习能力,提出一种自适应T-S型模糊径向基函数网络.为设计满足精度要求的最小结构神经网络,在对网络学习动态进行分析的基础上,给出了网络拓扑结构的动态构造学习算法.在不需要任何先验知识的情况下,能够根据任务复杂度和学习进度进行网络隐层节点的自适应增加、合并和删除操作.将该网络应用于非线性函数逼近问题,取得较好的效果....
Gespeichert in:
| Veröffentlicht in: | 系统仿真学报 2007, Vol.19 (19), p.4440-4444 |
|---|---|
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | 4444 |
|---|---|
| container_issue | 19 |
| container_start_page | 4440 |
| container_title | 系统仿真学报 |
| container_volume | 19 |
| creator | 程玉虎 王雪松 孙伟 |
| description | TP181; 针对T-S型模糊推理系统的模型参数辨识问题,充分利用模糊推理系统的可理解性与神经网络的学习能力,提出一种自适应T-S型模糊径向基函数网络.为设计满足精度要求的最小结构神经网络,在对网络学习动态进行分析的基础上,给出了网络拓扑结构的动态构造学习算法.在不需要任何先验知识的情况下,能够根据任务复杂度和学习进度进行网络隐层节点的自适应增加、合并和删除操作.将该网络应用于非线性函数逼近问题,取得较好的效果. |
| doi_str_mv | 10.3969/j.issn.1004-731X.2007.19.021 |
| format | Article |
| fullrecord | <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_xtfzxb200719021</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>xtfzxb200719021</wanfj_id><sourcerecordid>xtfzxb200719021</sourcerecordid><originalsourceid>FETCH-wanfang_journals_xtfzxb2007190213</originalsourceid><addsrcrecordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw0TU3NozQMzIwMNcztNQzMDJkYeCEi3Mw8BYXZyYZGBgaGhhZWJpzMmi9aF_1sqHp6a4pIbrBT-d1P1ux8Pnmrqf7Wp5OmPh0_q6n7XufTd3wfO_E57vn8DCwpiXmFKfyQmluBnU31xBnD93yxLy0xLz0-Kz80qI8oEx8RUlaVUUSyA2GlkAXGBOvEgBd8knw</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>自适应T-S型模糊径向基函数网络</title><source>Alma/SFX Local Collection</source><creator>程玉虎 ; 王雪松 ; 孙伟</creator><creatorcontrib>程玉虎 ; 王雪松 ; 孙伟</creatorcontrib><description>TP181; 针对T-S型模糊推理系统的模型参数辨识问题,充分利用模糊推理系统的可理解性与神经网络的学习能力,提出一种自适应T-S型模糊径向基函数网络.为设计满足精度要求的最小结构神经网络,在对网络学习动态进行分析的基础上,给出了网络拓扑结构的动态构造学习算法.在不需要任何先验知识的情况下,能够根据任务复杂度和学习进度进行网络隐层节点的自适应增加、合并和删除操作.将该网络应用于非线性函数逼近问题,取得较好的效果.</description><identifier>ISSN: 1004-731X</identifier><identifier>DOI: 10.3969/j.issn.1004-731X.2007.19.021</identifier><language>chi</language><publisher>中国矿业大学信息与电气工程学院,江苏,徐州,221008</publisher><ispartof>系统仿真学报, 2007, Vol.19 (19), p.4440-4444</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/xtfzxb/xtfzxb.jpg</thumbnail><link.rule.ids>314,780,784,4024,27923,27924,27925</link.rule.ids></links><search><creatorcontrib>程玉虎</creatorcontrib><creatorcontrib>王雪松</creatorcontrib><creatorcontrib>孙伟</creatorcontrib><title>自适应T-S型模糊径向基函数网络</title><title>系统仿真学报</title><description>TP181; 针对T-S型模糊推理系统的模型参数辨识问题,充分利用模糊推理系统的可理解性与神经网络的学习能力,提出一种自适应T-S型模糊径向基函数网络.为设计满足精度要求的最小结构神经网络,在对网络学习动态进行分析的基础上,给出了网络拓扑结构的动态构造学习算法.在不需要任何先验知识的情况下,能够根据任务复杂度和学习进度进行网络隐层节点的自适应增加、合并和删除操作.将该网络应用于非线性函数逼近问题,取得较好的效果.</description><issn>1004-731X</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2007</creationdate><recordtype>article</recordtype><recordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw0TU3NozQMzIwMNcztNQzMDJkYeCEi3Mw8BYXZyYZGBgaGhhZWJpzMmi9aF_1sqHp6a4pIbrBT-d1P1ux8Pnmrqf7Wp5OmPh0_q6n7XufTd3wfO_E57vn8DCwpiXmFKfyQmluBnU31xBnD93yxLy0xLz0-Kz80qI8oEx8RUlaVUUSyA2GlkAXGBOvEgBd8knw</recordid><startdate>2007</startdate><enddate>2007</enddate><creator>程玉虎</creator><creator>王雪松</creator><creator>孙伟</creator><general>中国矿业大学信息与电气工程学院,江苏,徐州,221008</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2007</creationdate><title>自适应T-S型模糊径向基函数网络</title><author>程玉虎 ; 王雪松 ; 孙伟</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_xtfzxb2007190213</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2007</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>程玉虎</creatorcontrib><creatorcontrib>王雪松</creatorcontrib><creatorcontrib>孙伟</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>系统仿真学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>程玉虎</au><au>王雪松</au><au>孙伟</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>自适应T-S型模糊径向基函数网络</atitle><jtitle>系统仿真学报</jtitle><date>2007</date><risdate>2007</risdate><volume>19</volume><issue>19</issue><spage>4440</spage><epage>4444</epage><pages>4440-4444</pages><issn>1004-731X</issn><abstract>TP181; 针对T-S型模糊推理系统的模型参数辨识问题,充分利用模糊推理系统的可理解性与神经网络的学习能力,提出一种自适应T-S型模糊径向基函数网络.为设计满足精度要求的最小结构神经网络,在对网络学习动态进行分析的基础上,给出了网络拓扑结构的动态构造学习算法.在不需要任何先验知识的情况下,能够根据任务复杂度和学习进度进行网络隐层节点的自适应增加、合并和删除操作.将该网络应用于非线性函数逼近问题,取得较好的效果.</abstract><pub>中国矿业大学信息与电气工程学院,江苏,徐州,221008</pub><doi>10.3969/j.issn.1004-731X.2007.19.021</doi></addata></record> |
| fulltext | fulltext |
| identifier | ISSN: 1004-731X |
| ispartof | 系统仿真学报, 2007, Vol.19 (19), p.4440-4444 |
| issn | 1004-731X |
| language | chi |
| recordid | cdi_wanfang_journals_xtfzxb200719021 |
| source | Alma/SFX Local Collection |
| title | 自适应T-S型模糊径向基函数网络 |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-26T23%3A00%3A55IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E8%87%AA%E9%80%82%E5%BA%94T-S%E5%9E%8B%E6%A8%A1%E7%B3%8A%E5%BE%84%E5%90%91%E5%9F%BA%E5%87%BD%E6%95%B0%E7%BD%91%E7%BB%9C&rft.jtitle=%E7%B3%BB%E7%BB%9F%E4%BB%BF%E7%9C%9F%E5%AD%A6%E6%8A%A5&rft.au=%E7%A8%8B%E7%8E%89%E8%99%8E&rft.date=2007&rft.volume=19&rft.issue=19&rft.spage=4440&rft.epage=4444&rft.pages=4440-4444&rft.issn=1004-731X&rft_id=info:doi/10.3969/j.issn.1004-731X.2007.19.021&rft_dat=%3Cwanfang_jour%3Extfzxb200719021%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=xtfzxb200719021&rfr_iscdi=true |