基于UKF的增长型模糊神经网络设计

发布时间：2018-01-17 00:10

本文关键词：基于UKF的增长型模糊神经网络设计　出处：《控制与决策》2017年12期 　论文类型：期刊论文

【摘要】：为了实现模糊神经网络结构和参数的同时调整,提出一种基于无迹卡尔曼滤波(UKF)的增长型模糊神经网络(UKF-GFNN).首先,利用UKF对模糊神经网络的参数进行调整;然后,设计一种基于隐含层神经元输出强度的模糊规则增长机制,实现模糊神经网络的结构增长;最后,将所提出的增长型模糊神经网络应用于非线性系统建模.实验结果显示,基于UKF的增长型模糊神经网络能够实现结构和参数的自校正,并且具有较高的建模精度.
[Abstract]:In order to realize the simultaneous adjustment of fuzzy neural network structure and parameters, a growth fuzzy neural network based on unscented Kalman filter (UKF) is proposed. The parameters of fuzzy neural network are adjusted by UKF. Then, a fuzzy rule growth mechanism based on the output strength of the hidden layer neuron is designed to realize the structure growth of the fuzzy neural network. Finally, the proposed growth fuzzy neural network is applied to nonlinear system modeling. Experimental results show that the growth fuzzy neural network based on UKF can achieve self-tuning of structure and parameters. And it has high modeling precision.
【作者单位】：北京工业大学电子信息与控制工程学院;计算智能与智能系统北京市重点实验室;
【基金】：国家自然科学基金项目(61533002,61622301) 北京市自然科学基金项目(4172005) 科技部水专项(2017ZX07104)
【分类号】：TP183
【正文快照】： 0模糊神经网络不仅可以利用先验知识实现模糊逻辑,而且具有神经网络的自学习和自整定能力,已经在模式识别、信号处理、非线性系统辨识和控制等领域得到了广泛的应用[1-4].模糊神经网络的性能由其结构和参数共同确定,在应用过程中必须预先确定其结构和学习算法,使得模糊神经网

【相似文献】