自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用

• 作者: 李迪 杨帆 牛文达 续志军 陈向坚
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 自组织递归区间 二型模糊神经网络 卡尔曼滤波 梯度下降法 噪声干扰 动态时变系统辨识
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 信息科学
• 页码范围: 1406-1413
• 分类号: TP391.4
• 字数: 4910字
• 语种: 中文
• DOI: 10.3788/OPE.20111906.1406

摘要

针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力.该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区间二型模糊集模型,用于将每个规则的激活强度反馈到自身构成内反馈回路,其参数学习采用梯度下降算法；后件为带有区间权值的Takagi-Sugeno-Kang(TSK)模型,其参数学习采用有序规则卡尔曼滤波算法,且网络初始规则数为零.所有规则均通过结构学习和前后件参数同时在线学习来产生,其网络结构学习采用的是在线区间二型模糊群集.为验证提出的神经网络的优越性,将其应用到单输入单输出动态时变系统的辨识中.实验结果表明,相对于前馈一型/二型模糊神经网络、递归一型模糊神经网络,该神经网络的辨识能力强,即使在存在白噪声的条件下,也能减小测试及训练误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨帆	中国科学院长春光学精密机械及物理研究所	180	1565	19.0	33.0
2	续志军	中国科学院长春光学精密机械及物理研究所	44	572	14.0	22.0
3	牛文达	中国科学院长春光学精密机械及物理研究所	9	26	3.0	5.0
4	陈向坚	中国科学院长春光学精密机械及物理研究所	5	101	4.0	5.0
5	李迪	中国科学院长春光学精密机械及物理研究所	15	125	5.0	11.0