粒子群算法在模糊神经网络系统辨识中的应用
刘国平; 董增文; 肖根福
南昌大学机电工程学院； 南昌大学机电工程学院 江西南昌330029； 江西南昌330029；
LIU Guo-ping,DONG Zeng-wen,XIAO Gen-fu(School of Mechanical and Electrical Engineering,Nanchang Universi ty,Nanchang 330029,China)
摘要 由于模糊算法过于依赖专家知识,参数决定过程中人为主观因素过大且无法进行自学习;而神经网络算法收敛速度较慢,还可能陷入局部最小.本文针对上述这两种算法在实际应用中的缺陷,引入并介绍了一种高效的粒子群算法,在采用Sugeno模糊推理计算模型建立模糊神经网络的基础上,利用粒
关键词 ：
系统辨识 ,
模糊神经网络 ,
粒子群优化
Abstract ：Fuzzy algorithm excessively depends on the experience fro m experts and subjective factors and has not self-learning ability;nerve netwo rk has the problem of slow convergence and may be got in part minimum.The paper introduces particle swarm optimizer,wh
Key words ：
particle swarm optimization
identifi cation；
fuzzy neural network
出版日期: 2006-09-28
[1]
周能嘉； 程江洲； 李振华. 基于模糊神经网络的电气化铁路接触网安全评估
[2]
徐刚； 江美珍； 吴志华； 饶兰香. 粒子群优化算法的收敛性分析
[3]
徐刚；杨玉群；刘斌斌；吴海莲； . 一种基于多样性策略的粒子群算法
[4]
徐刚; 杨玉群; 刘斌斌. 一种非线性自适应粒子群优化算法
[5]
邹箭; 徐刚; 杨玉群. 自适应粒子群优化算法及其在注塑成型质量指标软测量中的应用
[6]
刘爱国; 胡宏宇. 基于减法聚类的自适应模糊神经网络的短期负荷预测
2006, Vol. 28 