基于高斯函数与分级学习的D-FNN算法研究

• 作者: 吴建洪 孙亚民 张勇
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 工学
• 关键词: 动态模糊神经网络 模糊规则 高斯函数 分级学习
• 年，卷（期）: 2014,（3）
• 页码范围: 24-28
• 页数: 5页
• 分类号: TP183
• 字数: 3084字
• 语种: 中文

摘要

D-FNN基本思想是构造一个基于扩展的RBF神经网络,它可以看成是一个TSK模糊系统,也可以看做是基于归一化的高斯RBF神经网络.该文提出的算法,学习前,模糊神经网络不需要预先确定,在学习的过程中,参数估计与结构辨识同时进行,并根据系统精度要求及模糊规则的重要性,自动地产生或者删除一条模糊规则.在学习速度、系统结构和泛化能力方面进行了仿真实验,仿真结果表明D-FNN具有更简洁的结构和优良的性能.

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	张勇	佛山科学技术学院电子与信息工程学院	12	86	5.0	9.0
3	吴建洪	佛山科学技术学院电子与信息工程学院	4	0	0.0	0.0