基于规则自动生成的模糊神经网络建模  

Fuzzy Neural Networks Based on Automatic Generation of Rules

作　　者：叶淑霞[1] 郭裕顺[1] 沈建国[2] 

机构地区：[1]杭州电子科技大学电子信息学院,浙江杭州310018 [2]浙江师范大学数理信息学院,浙江金华321004

出　　处：《杭州电子科技大学学报（自然科学版）》2008年第2期9-12,共4页Journal of Hangzhou Dianzi University：Natural Sciences

基　　金：国家自然科学基金项目(KYZ050206007)

摘　　要：该文提出了一种基于规则自动生成的模糊神经网络建模方法。该方法是利用样本数据自动生成模糊规则,再利用模糊逻辑的万能逼近能力来逼近理想输出,并且根据样本数据自动增加、删除或者修改模糊规则来达到优化模糊模型。介绍了广义动态模糊神经网络的结构和学习方法,并给出了实例来验证该方法是可行的,并优于MATLAB自带的自适应模糊神经网络取得的结果。A new modeling approach for automatic generation of fuzzy rules by generalized dynamic fuzzy neural networks（GDFNN）. This method using sample data automatic generates fuzzy rules, then uses the fuzzy logic universal approximation capability to approach the ideal output. The modeling procedure and learning algorithm is described, feasible. Fuzzy rules can be recruited or deleted dynamically. gives a function example to confirm this method are feasible.

关 键 词：模糊规则 函数逼近 广义动态模糊神经网络 

分 类 号：TN401[电子电信—微电子学与固体电子学]