基于改进T-S云推理网络的板形模式识别方法

• 作者: 张少宇 张秀玲 徐腾 赵文保
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 云模型 T-S模糊神经网络 最速下降法 板形 模式识别
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 机械工程·控制科学与工程
• 页码范围: 580-586
• 页数: 7页
• 分类号: TP273
• 字数: 3073字
• 语种: 中文

摘要

将云模型与T-S模糊神经网络相结合,利用正态云代替模糊神经网络的隶属度函数,构成T-S云推理网络.该网络综合考虑了模糊逻辑的快速性和云模型处理数据的不确定性,增强了网络处理数据的能力,同时分析了T-S云推理网络的结构和稳定性.在超熵确定的情况下,使用最速下降法辨识了T-S云推理网络的参数,将该网络应用于板形模式识别,并与T-S模糊神经网络作了对比.仿真结果表明:T-S云推理网络抗干扰能力较强,能够识别出常见的板形缺陷,并且识别精度较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张秀玲	燕山大学河北省工业计算机控制工程重点实验室	65	530	12.0	20.0
5	赵文保	燕山大学河北省工业计算机控制工程重点实验室	2	27	2.0	2.0
9	张少宇	燕山大学河北省工业计算机控制工程重点实验室	4	32	3.0	4.0
13	徐腾	燕山大学河北省工业计算机控制工程重点实验室	6	47	4.0	6.0