基于免疫遗传算法的递归模糊神经网络

• 作者: 徐炜 杨靓 贺占庄 黄士坦
• 来源期刊: 吉林大学学报(信息科学版)
• 学科: 工学
• 关键词: 模糊神经网络 免疫遗传算法 非线性系统辨识
• 年，卷（期）: 2005,（2）
• 所属期刊栏目: 控制科学与工程
• 页码范围: 162-166
• 页数: 5页
• 分类号: TP18
• 字数: 2800字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2005.02.011

摘要

为了解决递归网络的梯度信息不易获取而传统遗传算法训练时间过长、易于早熟的问题,提出了一种用于辨识非线性动态系统的递归高木-关野模糊神经网络(T_RFNN:Takagi-Sugeno Recurrent Fuzzy Neural Network).T_RFNN是在高木-关野模糊模型的基础上加入了反馈层,利用免疫遗传算法对T_RFNN的参数进行训练和调整.该网络具有更少的网络参数、更快的收敛速度和更高的精度等特点,能够很好地完成动态非线性系统的映射.与高木-关野模糊神经网络相比,网络参数减少了45%,网络误差减少了65%,而网络的运行时间提高了近68%.T_RFNN仿真实验的辨识结果也表明,该网络在训练次数明显减少的情况下学习性能得到了显著改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨靓		36	234	10.0	14.0
2	徐炜		8	65	6.0	8.0
3	黄士坦		86	744	15.0	22.0
4	贺占庄		53	534	14.0	21.0