一种基于混合梯度下降算法的模糊神经网络设计及应用

发布时间：2018-04-23 12:17

本文选题：模糊神经网络 + 混合梯度　；参考：《控制与决策》2017年09期

【摘要】：为了提高模糊神经网络(FNN)的收敛速度和泛化能力,提出一种基于混合梯度下降算法(HG)的模糊神经网络(HG-FNN).HG-FNN通过设计FNN参数调整过程的自适应学习率,利用链式法则获取FNN参数学习过程的梯度,在实现FNN参数自校正的同时,给出HG-FNN的收敛性证明,保证HG-FNN的收敛速度和泛化能力.最后,将所设计的HG-FNN应用于非线性系统建模与污水处理过程关键水质参数预测,实验比较结果显示,HG-FNN不仅具有较快的收敛速度,而且具有较好的泛化能力.
[Abstract]:In order to improve the convergence speed and generalization ability of fuzzy neural networks (FNNs), a hybrid gradient descent algorithm (HG-based) based on fuzzy neural networks (FNNNs) is proposed. The adaptive learning rate of the FNN parameter adjustment process is designed. The gradient of FNN parameter learning process is obtained by using chain rule. The self-tuning of FNN parameters is realized, and the convergence proof of HG-FNN is given to ensure the convergence speed and generalization ability of HG-FNN. Finally, the designed HG-FNN is applied to the modeling of nonlinear systems and the prediction of key water quality parameters in the process of sewage treatment. The experimental results show that HG-FNN not only has a faster convergence rate, but also has a better generalization ability.
【作者单位】：北京工业大学电子信息与控制工程学院;北京工业大学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

【相似文献】