文件名称：一种改进的基于扩展的RBF模糊神经网络 (2010年)
文件大小：266KB
文件格式：PDF
更新时间：2024-06-06 01:14:31
自然科学 论文
针对wu Shiqian等提出的动态模糊神经网络（D-FNN），在参数估计时，对中心的调整直接采用输入数据会导致网络收敛速度慢、乏化能力不好的情况，提出一种改进的基于RBF的动态模糊神经网络（RBDFNN）。该网络采用连续学习的方法和分级学习的思想，在进行前提参数的估计时，高斯隶属函数的中心动态调整充分考虑了宽度调整对中心的影响，算法能自动地确定模糊规则。仿真实验表明，算法在收敛速度和乏化能力方面优于原来的算法。