一种有效的增量顺序学习模糊神经网络  

An efficient incremental sequential learning algorithm for fuzzy neural networks

作　　者：胡蓉[1,2] 徐蔚鸿[1,3] 

机构地区：[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

出　　处：《控制与决策》2013年第10期1564-1567,共4页Control and Decision

基　　金：国家自然科学基金项目(61163040);湖南省教育厅科研项目(11C0009)

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,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.The error reduction ratio is used to define the sensibility of input data to output, and the sensibility is used as growth criteria. An efficient incremental sequential learning algorithm for fuzzy neural networks（ISL-FNN） is presented, where the structure learning algorithm incorporating a pruning strategy into new growth criteria is developed. The performance of ISL-FNN is compared with several existing algorithms on some benchmark problems. Simulation results show that ISL-FNN has morosimple structure and better accuracy with less number of rules comoared to other algorithms.

关 键 词：增量学习 模糊神经网络 增长规则 扩展卡尔曼算法 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]