论文部分内容阅读
模糊系统的模糊推理方法常依赖于一系列由主观决定的参数,如模糊隶属函数、模糊关系矩阵等。如何确定这些参数会直接影响系统的性能。为了能对这些参数进行优化,在通过神经网络来求解模糊关系方程近似解的基础上,提出了一种基于改进的BP算法的模糊反卷积问题的求解方法,利用梯度下降算法优化系统参数。为了加快系统的收敛速度,采用了搜寻后收敛进度来改进BP算法的学习率。仿真试验结果表明,该方法比传统方法具有更强的适应性以及快速收敛速度。