Max-min神经网络的一种有效学习算法  

An efficient learning algorithm for max-min neural networks

作　　者：吴孟达[1] 成礼智[1] 张汉江[1] 

机构地区：[1]国防科技大学系统工程与数学系,长沙410073

出　　处：《模糊系统与数学》1998年第4期34-39,共6页Fuzzy Systems and Mathematics

基　　金：国防预研基金

摘　　要：本文在A．Blanco等人[1,2]的算法的基础上，提出了max-min神经网络的一种改进了的反馈学习算法，严格证明了该算法的迭代收效性。理论分析及实例计算结果均表明，本文算法具有算法简单、收敛速度快、榆出误差小等显著特点。A new feedback learning algorithm for max-min neural network is presented in thispaper,and the convergence of weight iteration for this algorithm is proved. It is showed bytheoretic analysis and experimental results that the algorithm,compared with the existingmethod (see [1] ~ [3]), possess following better properties: the simplicity of the structure,the faster convergency rate and the zero out-put errors.

关 键 词：模糊神经网络 神经网络 学习算法 max-min网络 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]