基于修剪技术分级学习的动态模糊神经网络算法研究

• 作者: 周灵 孙亚民 张德丰 马子龙
• 来源期刊: 计算机应用研究
• 关键词: 动态模糊神经网络 修剪技术 模糊规则 分级学习
• 年，卷（期）: 2011,（1）
• 页码范围: 124-126,130
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.01.034

摘要

在D-FNN中采用了修剪技术,可以检测到不活跃的模糊规则并加以剔除,从而获得更为紧凑的结构.在D-FNN中,前提参数是在学习过程中自适应地进行调整.由于分级学习策略的应用,大大提高了学习的有效性,加之参数调整只限于线性参数,没有迭代学习,因而学习速度很快,这使得本算法应用于实时学习和控制成为可能.最后针对实际案例进行了仿真分析,验证了该算法的有效性和高效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙亚民	南京理工大学计算机科学与技术学院	117	1149	19.0	28.0
2	张德丰	佛山科学技术学院计算机系	21	265	9.0	16.0
3	周灵	佛山科学技术学院计算机系	28	219	7.0	14.0
4	马子龙	哈尔滨工业大学电子工程系	14	184	8.0	13.0