一种模糊神经网络的快速参数学习算法  

Fast parameter learning algorithm for fuzzy neural networks

作　　者：陈非[1] 敬忠良[1] 姚晓东[1] 

机构地区：[1]上海交通大学电子信息学院航空航天信息与控制研究所,上海200030

出　　处：《控制理论与应用》2002年第4期583-587,共5页Control Theory & Applications

摘　　要：提出了一种新的模糊神经网络的快速参数学习算法 ,采用一些特殊的处理 ,可以用递推最小二乘法 (RLS)来调整所有的参数 .以前的学习算法在调整模糊隶属度函数的中心和宽度的时候 ,用的是梯度下降法 ,具有容易陷入局部最小值点、收敛速度慢等缺点 ,而本算法则可以克服这些缺点 ,最后通过仿真验证了算法的有效性 .A novel parameter learning algorithm for fuzzy neural networks (FNN) is proposed. The conventional methods usually use the gradient descent based backpropogation algorithm to adjust the center and width of the membership functions. To avoid the inborn problem of BP algorithm, such as local minima and slow convergence, a modified RLS method is employed here to adjust the parameters of FNN, which is faster than the conventional BP algorithm. The validity of this method has been demonstrated by simulation results.

关 键 词：模糊神经网络 快速参数学习算法 T-S模糊推理系统 多层前向神经网络 改进RLS算法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]