基于SVD_TLS及EKF算法的动态自组织模糊神经网络

• 作者: 李云
• 来源期刊: 成都大学学报（自然科学版）
• 关键词: 奇异值分解_总体最小二乘法(SVD_TLS) 扩展卡尔曼滤波(EKF) Machey-Glass时间序列预测
• 年，卷（期）: 2012,（2）
• 页码范围: 154-157
• 页数: 4页
• 分类号: TP273.4
• 语种: 中文
• DOI: 10.3969/j.issn.1004-5422.2012.02.015

摘要

提出了将奇异值分解_总体最小二乘法（SVD_TLS）及扩展卡尔曼滤波（EKF）相结合的动态自组织模糊神经网络．首先给出了STD_DSFNN的结构及各层的含义；其次，用EKF算法学习非线性参数，SVD_TLS算法学习线性参数的同时提取重要模糊规则；最后，通过典型的Machey-Glass时间序列预测实例验证SVD_TLS及EKF相结合的动态自组织模糊神经网络（STE_DSFNN），同时与DFNN、ANFIS及UKF_IFNN相对比，结果表明STE_DSFNN网络结构更紧凑，具有更好的泛化能力．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李云		15	9	2.0	2.0