利用动态模糊神经网络的系统辩识

来源 :1998年中国智能自动化学术会议 | 被引量 : 0次 | 上传用户:sjh_qj
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
提出的动态模糊神经网络(DFNN)是模糊推理系统的一种网络实现。模糊规则的后件是一个线性子系统,整个动态网络综合各规则的子系统而成为一个非线性动态系统。动态网络是一种递归网络。文章给出了动态网络在系统辩识中的应用,并推导了相应的动态B学习算法。仿真结果表明,动态网络具有很强的辩识能力,泛化能力和学习能力。
其他文献
会议
该文详细阐述了进口加拿大轴计量式动态汽车衡的特点和检测结果。分析各项误差形成原因,提出改进措施,介绍动态称重特点,以及在山西省推广应用情况。
本文针对定量动态称重系统普遍存在的计量精度不高的问题,详细地分析了产生计量误差的各种原因,1、称重系统动态品质不好,振荡严重;2、物料下落对秤体有冲击力F(t);3、存在留
该文针对一类非线性的单输入单输出(SISO)系统,用动态递归神经网络(DRNN)研究了一种构造非线性观测器的方法。这种观测器具有以下几个特点:1、神经网络的权系数矩阵在线自适应学习,无需离线学
注记是地图的重要组成部分,地理信息系统中地图是无级、无缝和动态变化的,每一次用户改变比例、改变显示区域都形成一张新的地图。为了地理信息系统中显示的地图清晰美观,使它的
为解决动态递归神经网络学习速度较慢、模型精度较低和应用效果较差的问题,该文从网络结构改进入手,提出几种新型的动态递归神经网络,并采取基于自适应进化策略与改进BP算法集成
随着我国房地产市场的快速发展,房地产价格居高不下的现象越来越突出,严重超出了普通老百姓的可支付能力。从2002年到2010年,中国的经济规模增长了两倍,全国房价则上涨了七倍