关于基于动态模糊神经网络的权值调整

angusfy 2018-01-19 04:59:49

关于基于动态模糊神经网络的非线性系统的鲁棒自适应模糊神经控制中权值wk的自适应率问题。
算法是伍世虔写的动态模糊神经网络书的第9章提出的RAFNC结构的控制器。
131页图下说W需要进一步调整并通过9.30式的自适应率得到，但是9.30式中k,p,bk,等值都没说怎么得到的，有没有大佬能
详细讲下这个调整W权值的自适应率是怎么用的？相关几页书在下面。
万分感谢！！！

...全文

323 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

首先在对供热负荷预测算法的发展现状主要成果阐述的基础上，对影响洪热预测因素采用模糊量化的方式进行研究处理，并由此推断将模糊神经网络算法应用于供热负荷预测可以得到良好的效果．研究模型的设计核心是BP神经网络，即将模糊量化后的影响因素作为系统的输入值，去调整神经网络的权值，从而得到预测的网络模型．建立预测模型和预测策略后，可以采用Matlab科学计算软件开发程序对预测模型效果进行模拟仿真，结果表明，预测的结果能够满足要求，相对误差在合理的范围内，并且模糊神经网络算法比单纯神经网络算法具有更好的预测精度和鲁棒特

舰载机着舰动作识别是评估舰载机飞行员着舰调整技能的前提，对提供着舰训练反馈，提高飞行员着舰技能有重大意义.分析了舰载机着舰调整动作的特点，提出了一种基于模糊神经网络的舰载机着舰识别方法，用于实现小机动动作的识别.并以此为基础，讨论了该模糊神经网络的Alopex权值训练算法和识别结果聚类方法，最后利用人在回路的着舰仿真数据和专家识别结果对该算法进行了仿真验证，试验表明文中方法能够有效地实现舰载机着舰动作识别.

论文研究-基于T-S模型的模糊神经网络在股市预测中的应用.pdf, 采用基于 T-S模型的模糊神经网络 ,用改进的遗传算法来训练网络权值 ,隶属函数参数调整算法则采用动量法和学习率自适应调整相结合的策略 ,以上证指数和厦新电子 (个股 )为研究对象予以建模和预测 .结果表明 ,此种模型具有较好的泛化、学习、映射能力 ,对股票市场或类似的非线性经济系统的走势研判或其相应预测决策具有较好的应用价值.

针对飞行数据的特点，提出了一种基于动态模糊神经网络(DFNN)的飞行数据模型辨识方法。该方法采用在线学习方式，通过动态增加和删除神经元节点的策略实现网络结构学习，采用递推最小二乘法实现网络权值的在线调整，以最终得到一个结构简单、泛化能力强的神经网络。以某特定时间段的飞参数据为仿真样本，将该DFNN用于参数关联模型的辨识，实验结果表明该辨识方法收敛速度快、泛化能力强。

提出一种基于模糊神经网络进行数据挖掘的新方法。构成模糊神经网络的模糊化层采用高斯函数计算5个模糊隶属度，高斯函数需要的均值、方差以及隶属度的中心值都可通过预先计算采集到的数据得到。模糊推理层采用取小取大运算代替常用的积和运算，加快了网络的推理速度。在模糊神经网络训练阶段，首先利用重心法对模糊化层输出进行反模糊化，再采用 BP思想，利用梯度法求误差值并进行反传调整隶属度函数的参数值。为提高网络推理精度和速度，通过设立相应的规则对网络进行裁剪，剪掉多余的节点和权值，最后依据一定的思想对产生的模糊规则进行简化和

数据结构与算法

33,007

社区成员

35,326

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章