一种有效的增量顺序学习模糊神经网络.pdf

《一种有效的增量顺序学习模糊神经网络.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28卷第10期控制与决策2013年l0月、，_0l_28No．10ControlandDecision0ct．2Ol3文章编号：1001．0920(2013)10．1564—04一种有效的增量顺序学习模糊神经网络胡蓉1,2，徐蔚鸿，3(1．南京理工大学计算机科学与技术学院，南京210094；2．长沙航空职业技术学院航空电子电器工程学院，长沙410014；3．长沙理工大学计算机与通信工程学院，长沙410014)摘要：利用误差下降率定义输入数据对系统输出的敏感性，并以此作为规则产生标准，提出一种有效增量顺序学习模糊神经网络．将修剪策略引入规则产生过程

2、，因此该算法产生的模糊神经网络不需要进行修剪．通过仿真实验，本算法在达到与其他算法相当性能的情况下，能够获得更高的准确率和更简单的结构．关键词：增量学习：模糊神经网络；增长规则；扩展卡尔曼算法中图分类号：TP273文献标志码：AAnefficientincrementalsequentiallearningalgorithmforfuzzyneuralnetworksHURong1,2．XUWei．hong1，3(1．SchoolofComputerScienceandTechnology，NanjingUniversityofScienceand

3、Technology，Nangiing210094，China：2．AviationInstituteofElectricalandElectronicEngineering，ChangshaAeronauticalVocationalandTechnicalCollege，Changsha410014，China；3．CollegeofComputerandCommunicationsEngineering，ChangshaUniversityofScience&Technology，Changsha410014，China．Correspond

4、ent：HURong，E—mail：410907140@qq．cornAbstract：TheerrorreductionratioiSusedtodefinethesensibilityofinputdatatOoutput．andthesensibilityiSusedasgrowthcriteria．Anefficientincrementalsequentiallearningalgorithmforfuzzyneuralnetworks(ISL·FNN)ispresented，wherethestructurelearningalgori

5、thmincorporatingapruningstrategyintonewgrowthcriteriaisdeveloped．TheperformanceofISL-FNNiscomparedwithseveralexistingalgorithmsonsomebenchmarkproblems．SimulationresultsshowthatISL—FNNhasmorosimplestructureandbetteraccuracywithlessnumberofrulescomparedtootheralgorithms．Keywords

6、：incrementllearning；fuzzyneuralnetwork；growingcriteria；extendedKalmanfilterO引言本．文献【7]提出了正交最小方差(OLS)学习算法，其模糊系统(FIS)能够通过一系列模糊规则逼近任结构和参数识别同时进行．文献【8】提出了一种基于意非线性输入输出对，将RBF(radialbasisfunction)神RBF的动态模糊神经网络(DFNN)算法，该算法可以经网路和FIS相结合[卜2】以实现上述任务的网络称为自适应增加和删除规则．文献【9】在此基础上提出模糊神经网络(FNN)．文献

7、【1】提出的资源定位网络了一种广义DFNN(GDFNN)算法，基于椭圆基函数(RAN)基于新到数据的新颖性增加隐含层单元，其改(EBF)提出在线参数定位机制，利用E完备性为每个进算法称作扩展的卡尔曼RAN方法(RANEKF)[31，用输入变量的维数定位初始宽度，但该方法是以牺牲计EKF替代LLS方法调整网络参数，一旦规则建立将不算速度为代价的．类似的在线方法均存在一定缺陷，再被删除．为了解决此缺陷，提出了最少资源定位网复杂的增长和修剪策略降低了学习速度，且使得网络络(MRAN)[4-5】，在学习过程中，检测不活跃的神经元难以理解．并将其删除，这样便

8、可以产生更加精简的网络．此后文献[10]提出了一种快速准确自组织模糊神经提出的增加和修剪RBF(GAP．RBF)方法通过简