分级在线自组织学习的 GD-FNN 算法研究

• 作者: 周灵 孙亚民 左军
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 工学
• 关键词: 广义动态模糊神经网络 动态模糊神经网络 径向基函数 椭圆基函数
• 年，卷（期）: 2015,（3）
• 页码范围: 26-29,35
• 页数: 5页
• 分类号: TP301.6
• 字数: 3047字
• 语种: 中文
• DOI: 10.13471/j.cnki.acta.snus.2015.03.005

摘要

提出了基于椭圆基函数（EBF）的广义动态模糊神经网络（GD-FNN）算法。算法提取的模糊规则具有很好可理解性，可以作为建模工具，也可以作为知识提取的工具。广义动态模糊神经网络由于基于模糊ε－完备性，同时提出了一种新颖的在线参数分配机制，从而缓解了初始化的随机选择，且与输入变量不同值域没有关系，因而更容易构造一个较好性能的模糊系统。开发了仿真程序，对具体案例进行仿真，取得了较为理想的结果。

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	周灵	佛山科学技术学院电子与信息工程学院	28	219	7.0	14.0
3	左军	佛山科学技术学院电子与信息工程学院	13	24	3.0	4.0