论文部分内容阅读
为了解决模糊系统中的知识抽取问题和避免初值选择的任意性，提出一种新型的动态模糊神经网络算法运用规则产生准则时，考虑输出误差和可容纳边界的有效半径这2个重要因素；通过分级学习法，大大提高学习的有效性，加之参数的调整只限于线性参数，没有迭代学习，因而学习速度很快，这使算法应用于实时学习成为可能；非线性参数是由训练样本和启发式方法直接决定的.利用D—FNN来进行Mackey—GIkiSS混沌时间序列预测实验。仿真结果表明D—FNN算法的有效性和实用性.