资源描述：
《改进的模糊神经网络应用于投标报价_韩敏.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、第14卷第5期系统工程理论方法应用Vol.14No.52005年10月SYSTEMSENGINEERING-THEORYMETHODOLOGYAPPLICATIONSOct.2005文章编号:1005-2542(2005)05-0443-06改进的模糊神经网络应用于投标报价韩敏,范迎南,孙燕楠(大连理工大学电子与信息工程学院,大连116023)【摘要】针对模糊神经网络规则膨胀导致的网络训练速度慢和泛化能力弱的缺陷,提出了一种改进的基于T-S模型的模糊神经网络的结构和算法。网络结构包括前件和后件网络二部分,本
2、文在后件网络中增加了一个隐含层以提高计算能力,在前件网络中运用了有效模糊规则选取的方法以提高收敛速度。最后将提出的网络结构应用于建筑工程的投标报价中,仿真结果证明:该网络能达到更高的误差精度、更快的训练速度和更好的泛化能力。关键词:模糊神经网络;投标报价;规则选取;泛化能力中图分类号:TP118文献标识码:AAnImprovedFuzzyNeuralNetworkandItsApplicationinBiddingHANMin,FANYing-nan,SUNYan-nan(SchoolofElectroni
3、candInformationEngineering,DalianUniv.ofTechnology,Dalian116023,China)【Abstract】Becauseoftheexpandingofthefuzzyrulescausedbytheincreasingoftheinputnumbers,thetrainingspeedisslowerandgeneralizationabilityofthefuzzyneuralnetworkisweaker.Thispaperproposesanim
4、provedfuzzynerualnetwork(IFNN)basedonT-Smodeltoovercometheseproblems.ThestructureofIFNNcontainstwosubnetworks:premisenetworkandconsequentnetwork.Onehiddenlayerisaddedinconsequentnetworktoimproveitsapproximateabilityandgeneralizationability.Andinpremisenetw
5、orkthefuzzyrulesarechosenefficientlytospeedupthetrainspeed.Atlasttheproposednetworkisusedtotheconstructionbiddingsystem.Theresultsofthesimulationindicatethatitcanobtainhighererrorprecision,trainingspeedandgeneralizationability.Keywords:fuzzyneuralnetwork;b
6、idding;rulechosen;generalizationability[2]人工神经网络(ArtificialNeuralNetworks,等。模糊逻辑方法的优点在于它的逻辑性和透明[3]ANN),简称神经网络(NN),是一种基于连接学说性,具有推理能力和高阶信息的处理能力,能够将构造的智能仿生模型。神经网络具有良好的容错性先前有关的系统知识结合到模糊规则集中,以人们与联想记忆功能,以及较强的自适应与自学习功能。易于理解的方式表达出来。用模糊系统进行信息处但是从系统建模的角度而言,神经网络采用的是典
7、理的核心问题在于模糊规则的自动提取和模糊变量[1]型的黑箱型学习模式,当学习完成后,神经网络所基本状态隶属函数的自动生成。获得的输入输出关系无法用被人接受的方式表示。可以看出,模糊系统和神经网络的优缺点具有模糊系统理论自1965年由美国控制论专家明显的互补性,而且它们都不需要数学模型和复杂Zadeh创立以来,已广泛应用于许多不同的领域,如的数学分析,将两者结合能够得到更好的性能,如可过程控制、机器人技术、医学诊断及模糊计算机以减少记忆的需求、增强泛化能力和有更好的容错[2]性能等。模糊系统与神经网络相结合,
8、主要解决两收稿日期:2004-09-20修订日期:2005-04-26[4]作者简介:韩敏(1959-),女,博士,教授。主要从事神经网络、方面的问题:一是对参数的自动调整;二是网络结混沌序列分析及GIS系统等研究。构的确定。这样模糊神经网络(FuzzyNeural444系统工程理论方法应用第14卷Network,FNN)就同时具有了模糊性和参数调节的第1层为输入层。每个节点对应输入的一个分自适应性的优势,拓宽了
