动态T-S递归模糊神经网络及其应用  

Dynamic T-S Recurrent Fuzzy Neural Networks and Its Application

作　　者：彭晓波[1] 桂卫华[1] 李勇刚[1] 陈勇[1] 

机构地区：[1]中南大学信息与科学工程学院,长沙410083

出　　处：《系统仿真学报》2009年第18期5636-5638,5644,共4页Journal of System Simulation

基　　金：国家自然科学基金重点项目(60634020);国家自然科学基金(60874069);教育部博士点基金新教师项目(200805331104)

摘　　要：提出了动态T-S递归模糊神经网络(DTRFNN)。该网络具有全局收敛特性的递归结构;采用BP算法进行网络权值的学习;并利用Lyapunov定理证明该模型具有全局收敛性,并在此基础上提出了克服局部极小的方法。最后以动态系统的辨识为例,进行实验研究,取得了很好的效果,表明DTRFNN动态模型能很好的对动态系统进行辨识。A Dynamic T-S Recurrent Fuzzy Neural Networks（DTRFNN）was proposed.This DTRFNN puts forwards a recurrent structure which is the globe convergence;this DTRFNN adopts the BP learning arithmetic for net weight learning;this DTRFNN proof itself has globe convergence by using Lyapunov theorem and puts forwards a method to overcome the local minima.Finally,this proposed DTRFNN was applied to dynamic system identification as an experiment research.The result is very good.It evidences that DTRFNN can identify the dy...

关 键 词：动态T-S递归模糊神经网络(DTRFNN) BP学习算法 收敛性 学习率 

分 类 号：TP391.9[自动化与计算机技术—计算机应用技术]