随机模糊神经网络及在随机混沌时间序列预测中的应用

• 作者: 王军平 田光宇 陈全世
• 来源期刊: 西安交通大学学报
• 关键词: 随机模糊神经网络 参数学习 结构学习 随机混沌时间序列
• 年，卷（期）: 2003,（10）
• 页码范围: 991-994
• 页数: 4页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3321/j.issn:0253-987X.2003.10.001

摘要

针对随机模糊神经网络(SFNN)的网络结构没有明确的物理含义,仅仅是一种实现随机模糊逻辑系统的计算结构的问题,对其网络结构进行了改进,重新定义了每层的节点原型.改进后每层之间的物理含义明确且节点数目减少,从而计算量有所减少.对于SFNN的参数和结构,可以分别通过参数学习算法和结构学习算法来优化.将SFNN用于随机混沌时间序列预测,仿真结果表明:该系统由于引入了随机的概念,使网络能更有效地防止噪声的干扰,因而更适合于工程应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田光宇	清华大学汽车安全与节能国家重点实验室	65	1292	20.0	35.0
2	陈全世	清华大学汽车安全与节能国家重点实验室	115	5105	38.0	69.0
3	王军平	清华大学汽车安全与节能国家重点实验室	9	604	6.0	9.0