论文部分内容阅读
提出了一种基于模糊观测数据的RBF神经网络（FORBFNN），用于解决一类输出不可精确测量但可用模糊隶属度来表征的非线性系统建模问题．神经网络模型中各隐层神经单元的权重系数采用一种新的模糊EM算法辨识获得；隐层神经单元的数量及径向基函数的中心和宽度基于一种数据驱动的方法自适应确定，即首先初始生成一个隐层单元，然后根据一定的规则逐步加入新的单元，该过程不断迭代直到模型满足预设要求．该方法同时考虑了模型的复杂度及预测精度．数值模拟实验结果表明该建模方法是有效的，且建立的模型具有较高的预测精度．