一种FCMAC及在Wiener模型辨识中的应用研究

• 作者: 徐德 谭民
• 来源期刊: 信息与控制
• 关键词: 模糊小脑模型神经网络(FCMAC) Wiener模型 参数辨识 学习算法
• 年，卷（期）: 2002,（2）
• 所属期刊栏目: 实际问题研讨
• 页码范围: 159-163
• 页数: 5页
• 分类号: TP13
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0411.2002.02.013

摘要

本文将模糊算法和小脑模型神经网络有机地结合在一起,提出了一种单输入单输出(SISO)的模糊小脑模型神经网络(FCMAC).它在对输入进行分级量化的同时进行模糊量化,利用Takagi-Sugeno模糊算法进行推理,并将模糊算法引入CMAC的权值训练,具有输入量化级数少、函数逼近精度高等特点.这种FCMAC用于Wiener模型辨识具有结构确定、计算量小、训练速度快、辩识效果好等特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭民	中国科学院自动化研究所	151	5065	33.0	67.0
2	徐德	中国科学院自动化研究所	76	1525	20.0	36.0