一种算法改进的模糊神经网络及其性能分析

将T-S模糊模型与前馈神经网络相融合构造了一种新型的模糊神经网络,该模型采用基于梯度下降法和算法相结合的混合学习方法,其中梯度下降法用来训练高斯型隶属度函数的非线性参数,而算法用来训练线性参数,即权值。从理论上,证明了该模型对非线性函数的万能逼近能力。仿真实验表明,该模糊神经网络用于非线性动态系统辨识的有效性。     

基于神经网络的综合方法的研究

对神经网络与其它智能控制技术相结合进行了综述,主要有神经网络与模糊逻辑技术、小波分析、可拓理论、遗传算法和混沌等技术相互结合从而形成新型神经网络。进而概述了小波网络、模糊网络、模糊小波神经网络、遗传神经网络、混沌神经网络和开拓神经网络等模型的研究现状,并展望了今后的发展趋势。