带混合学习算法的多阶段神经模糊系统模型

带混合学习算法的多阶段神经模糊系统模型

殷树友¹, 黄岚²

1. 长春金融高等专科学校计算机系, 长春 130022； 2. 吉林大学计算机科学与技术学院, 长春 130012

收稿日期:2007-03-26 修回日期:1900-01-01 出版日期:2008-01-26 发布日期:2008-01-26
通讯作者: 黄岚

Model of Multistage Neural Fuzzy System withHybrid Learning Algorithm

YIN Shuyou¹, HUANG Lan²

1. Department of Computer, Changchun Finance College, Changchun 130022, China;2. College of Computer Science and Technology, Jilin University, Changchun 130012, China

Received:2007-03-26 Revised:1900-01-01 Online:2008-01-26 Published:2008-01-26
Contact: HUANG Lan

摘要/Abstract

摘要： 提出一种基于演绎模糊推理的多阶段神经模糊系统模型, 对于给定的学习样本, 通过结构学习（采用遗传算法）与参数学习（采用误差逆传播神经网络方法）过程, 能够生成适当的演绎模糊规则集, 并通过与单阶段神经模糊系统模型求解Benchmark问题的实验对比, 讨论和分析了该模型的有效性和健壮性.

关键词: 混合学习算法, 多阶段神经模糊系统, 演绎模糊推理

Abstract: A multistage Neural Fuzzy System (NFS) model based on syllogistic fuzzy reasoning is proposed in this paper. From the stipulated inputoutput data pairs, an appropriate syllogistic fuzzy rule set can be generated via structure learning (using Genetic Algorithm) and parameter learning (using Backpropagation Neural Network) proceduresproposed in this paper. In addition, by means of solving Benchmark problem and unmanned vehicl control problem, we discussed and analyzed the performance of the proposed model in terms of effectiveness and robustness as compared with singlestage NFS models.

Key words: hybrid learning algorithm, multistage neural fuzzy system, syllogistic fuzzy reasoning

中图分类号:

TP183

殷树友, 黄岚. 带混合学习算法的多阶段神经模糊系统模型[J]. J4, 2008, 46(01): 89-95.

YIN Shuyou, HUANG Lan. Model of Multistage Neural Fuzzy System withHybrid Learning Algorithm[J]. J4, 2008, 46(01): 89-95.

[1]	陶玉杰, 李艳红, 孙刚. 基于Bernstein多项式构造前向神经网络的遗传算法[J]. 吉林大学学报(理学版), 2021, 59(2): 233-240.
[2]	陈雪, 王贵君. 基于三角模糊化的Mamdani模糊系统输出算法[J]. 吉林大学学报(理学版), 2020, 58(5): 1181-1188.
[3]	卢爱平, 李建平, 李盼池, 范友贵. 基于量子自组织网络的水淹层识别方法[J]. 吉林大学学报(理学版), 2020, 58(4): 944-952.
[4]	倪红梅, 刘永建, 李盼池. 基于自适应动态重组和极值扰动的人工蜂群算法[J]. 吉林大学学报(理学版), 2019, 57(3): 607-612.
[5]	李建平, 宫耀华, 赵思远, 卢爱平, 李盼池. 粒子群优化算法的改进及数值仿真[J]. 吉林大学学报(理学版), 2017, 55(02): 322-332.
[6]	孙丹, 万里明, 孙延风, 梁艳春. 一种改进的RBF神经网络混合学习算法[J]. J4, 2010, 48(05): 817-822.
[7]	王彦全, 赵衍辉, 杨晓翠, 王海洋, 王江, 魏熙乐. 神经网络广义Backstepping预测控制[J]. J4, 2010, 48(05): 828-834.
[8]	于连江, 吴春国, 郭立强, 梁艳春, 杨锌朔. 易物模型及其求解算法[J]. J4, 2010, 07(4): 653-657.
[9]	周柚, 张琛, 吴春国, 时小虎, 梁艳春. 微阵列癌症数据误标记样本和异常样本识别的广义CL-stability算法[J]. J4, 2008, 46(03): 509-511.
[10]	王秀梅, 王岩, 王淑琴, 杜伟, 孙仿逊, 周柚, 时小虎. 操纵子预测的生物信息学方法[J]. J4, 2006, 44(06): 153-156.
[11]	杨晓伟,, 邵壮丰梁艳春,, 吴春国,. 基于局部密度比的模糊隶属度设置算法[J]. J4, 2006, 44(06): 41-44.
[12]	徐秀娟, 贾立峰, 周春光, 王喆, 徐笑昂. 商业销售中的利润挖掘及商品选择算法[J]. J4, 2006, 44(02): 201-206.
[13]	左平, 马驷良, 马捷. 近红外光谱分析中人工神经网络法的应用[J]. J4, 2006, 44(01): 57-60.
[14]	王喆, 周春光, 周东滨, 管恩政. 双层结构的流数据聚类算法[J]. J4, 2005, 43(03): 303-307.
[15]	王喆, 王斌, 周春光, 徐振龙. 基于冲突指导的神经网络预测方法[J]. J4, 2004, 42(01): 88-93.