论文部分内容阅读
文章介绍一种基于神经网络的模糊推理和规则生成方法．该方法在构造网络时能辨识网络结构和参数，且需要很少的先验信息；文章提出一种混合学习方法，该学习方法分两阶段进行学习，第一阶段使用一种改进的竞争学习方法．建立模糊规则。第二阶段，通过梯度下降技术，来优化模糊规则的参数．以达到高性能的模型：学习后的网络．模糊推理系统的参数融于在网络的拓扑中：文章还给出实验数据。