自适应T-S型模糊径向基函数网络  

Proposal of Adaptive T-S Fuzzy Radial Basis Function Network

作　　者：程玉虎[1] 王雪松[1] 孙伟[1] 

机构地区：[1]中国矿业大学信息与电气工程学院,江苏徐州221008

出　　处：《系统仿真学报》2007年第19期4440-4444,共5页Journal of System Simulation

基　　金：国家博士后科学基金(20070411064);江苏省博士后科学基金(0601033B);江苏省青蓝工程(苏教师[2007]2号);中国矿业大学青年科研基金(0C060093)。

摘　　要：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。Aiming at the parameter identification of T-S fuzzy inference system, an adaptive T-S fuzzy radial basis function neural network was proposed by using the knowledge representing property of fuzzy inference system and the self-learning property of neural network fully. In order to design a minimum structure network with expected accuracy, a structure-learning algorithm to construct the network structure dynamically was given based on the analysis of the learning dynamics of network The hidden units could be added, merged and deleted in an adaptive way according to the task complexity and the progress of learning without any prior knowledge. When this fuzzy RBF network is applied to nonlinear function approximation, a good result is obtained.

关 键 词：T-S型模糊推理系统 径向基函数网络 学习动态 结构学习 参数学习 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]