共查询到20条相似文献,搜索用时 15 毫秒
1.
神经网络自适应模糊控制在温度控制系统中的应用 总被引:22,自引:1,他引:21
把神经网络与模糊控制相结合,提出一种基于神经网络的自适应模糊控制器。这种控制器由模糊神经网络控制器和模型网络组成,采用快速的变斜率梯度下降算法学习,具有自适应学习功能,仿真结果及其应用于温度控制系统中,控制性能明显于一般Fuzzy控制。 相似文献
2.
自适应模糊神经网络控制器设计的线性化方法 总被引:7,自引:0,他引:7
基于T-S模糊推理系统模型构造一个简化形式的Fuzzy神经网络(FNN),应用Stone-Weierstrass逼近定理证明了这种FNN网络对非线性连续函数的全局逼近性质,并利用Clarke一步加权最优预报控制性能指标及前向FNN网络辨识器模型的线性化思想,提出一种间接Fuzzy神经网络自适应控制算法,仿真结果证实了该算法的有效性。 相似文献
3.
模糊控制在三相异步电动机轻载降压节能中的应用 总被引:5,自引:0,他引:5
综合传统PID控制与Fuzzy前馈补偿思想提出了Fuzzy控制+Fuzzy前馈补偿复合模糊控制方法,该方法解决了对象非线性,不确定性条件下工作点的最佳动态控制问题,并应用在MCS-51单片机控制的轻载降压节能器上,取得了很好的控制效果。 相似文献
4.
5.
多层随机神经网络em算法 总被引:3,自引:1,他引:2
本文讨论了基于微分流形框架随机神经网络学习算法,称为em学习算法;对于多层随机神经网络模型,我们从微分流形的角度分析它的对偶平坦流形结构,描述em算法对于多层前馈随机神经网络模型学习算法实现和加速技术。 相似文献
6.
一种基于模糊逻辑神经网络的自适应控制及其应用 总被引:12,自引:3,他引:12
本文提出了一种模糊逻辑神经网络自适应控制器.这种控制器由一个模糊高斯神经网络和一个多层神经网络组成.它具有自适应和学习能力.计算机仿真和实际的伺服直流电机调速实验的结果表明本文提出的这种控制器是切实可行的,其系统响应和鲁棒性优于常规的Fuzzy控制. 相似文献
7.
文章提出了二阶有理式多层前馈神经网络的数学模型。有理式多层神经网络的思想来源于函数逼近理论中的有理式逼近。有理式前馈神经网络模型是传统前俯神经网络模型的推广,能有效地求解函数逼近问题。文章给出了有理式多层神经网络的学习算法,即误差反传播学习算法。就计算复杂度而言,有理式神经网络的学习算法与传统的多层神经网络反传播算法是同阶的。文章还给出了函数逼近和模式识别两个应用实例,实验结果说明二阶有理式多层神经网络在解决传统的问题上是有效的。 相似文献
8.
9.
1.引言前馈神经网络是目前应用最广的一种神经网络,其学习算法是由Rumelhart等人于1986年提出的反向传播(Back Propagation,BP)算法,故这种神经网络也常被称为BP神经网络。人们对前馈神经网络学习算法的研究,以前主要着重对各层之间联接权值优化的研究,如BP算法以 相似文献
10.
混合型神经网络模型算法和应用研究 总被引:1,自引:0,他引:1
本文基于实际工业过程的特点,提出了一种带有复杂前馈和反馈的多层混合型反馈型神经网络模型,并具体研究了其学习算法。其有效性得到了说明。 相似文献
11.
混合型多概念获取系统的设计与实现 总被引:1,自引:0,他引:1
本文主要描述了一个增量式混合型多概念获取系统HMCAS,它提出了一个基于概率论的符号学习与神经网络学习相结合的学习算法,能从隶属于某个概念集的实例集中归纳出满足用户精度要求的,以浊合型判定树表示的概念描述。在HMCAS中,符号学习与神经网络学习具有结合紧密的转换灵活等特点,具有较高的学习效率和较强的归纳能力以及增量学习能力。HMCAS的神经网络学习可选择BP网络或FTART网络,其推理机制提供了混 相似文献
12.
吴晓红 《计算机工程与应用》1998,34(1):49-52
本文描述的是目前单层神经网络中的几个高效学习算法,简称为GXXXSF,其中GXXXSF1和GXXXSF2是两个递归最小二乘学习算法,它指出用模拟输出训练单层神经网络。本文对训练单层神经网络又提出一种新的优化方法,它为高效学习算法的发展提供了依据,这种优化方法称为GXXXSF3.以GXXXSF3为基础,又推出用二进制输出作为训练单层神经网络的第二级学习算法,称为GXXXSF4 相似文献
13.
本文以自适应步长调整代替DFP优化方法中的一维搜索,并将它应用于前馈神经网络训练中。同时对步长的衰减因子和增长因子进行动态自适应调整,提高了BP训练算法的收敛速度和摆脱局部极小的能力,实验结果证明了该算法的有效性。 相似文献
14.
多层前馈神经网络改进算法及其应用 总被引:9,自引:0,他引:9
从前馈神经网络原理分析出发,提出一种速率适应因子方法用于对多层前馈神经网络中BP算法的改进,并将改进的算法用于XOR问题的学习及多重XOR分类器问题的学习。仿真结果表明,改进后BP的算法可显著加速网络的学习速度,并且学习过程具有良好的收敛性及较强的鲁棒性。 相似文献
15.
多项式函数型回归神经网络模型及应用 总被引:2,自引:1,他引:2
文中利用回归神经网络既有前馈通路又有反馈通路的特点,将网络隐层中神经元的激活函数设置为可调多项式函数序列,提出了多项式函数型回归神经网络新模型,它不但具有传统回归神经网络的特点,而且具有较强的函数逼近能力,针对递归计算问题,提出了多项式函数型回归神经网络学习算法,并将该网络模型应用于多元多项式近似因式分解,其学习算法在多元多项式近似分解中体现了较强的优越性,通过算例分析表明,该算法十分有效,收敛速度快,计算精度高,可适用于递归计算问题领域,该文所提出的多项式函数型回归神经网络模型及学习算法对于代数符号近似计算有重要的指导意义。 相似文献
16.
用自调整S函数提高神经网络BP算法 总被引:4,自引:2,他引:4
学习算法是BP前馈神经网络研究中的核心问题。文中阐述了几种重要的BP算法的改进算法,提出了一种新的学习算法,即自动调整S型函数形状的算法,从理论上证明了此方法在一定前提条件下的可行性,给出了进行S型函数形状自动调整的公式。仿真实验证明了新学习算法用于非线性系统建模时的有效性。 相似文献
17.
18.
基于回归神经网络的非线性时变系统辨识 总被引:5,自引:0,他引:5
为克服基于前馈神经网络的非线性系统辨识算法存在需预先估计系统输入输出滞后阶数的缺陷,提出一种基于回归神经网络的非线性时变系统的辨识算法,针对现有的回归网络学习算法大多采用梯度算法,收敛速度缓慢问题,提出一种具有快速收敛性的扩展卡尔曼滤波学习算法,大大提高了学习收敛速度,并推导了一种基于单个神经元的局部化算法,减少了计算量,仿真实例证明,所提出的算法是有效的。 相似文献
19.
一种改进的模糊神经网络学习算法 总被引:3,自引:0,他引:3
本文引入模糊控制机制,对文献「1」的具有正态模型网络参数的前馈式模糊神经网络学习算法进行改进,提出了一种效率更好的F-BP学习算法。在此算法中,采用近似模糊推理技术来确定网络的学习率、动量因子、加速系数三个学习参数,使得这些学习参数在网络的学习过程中,根据学习时间的长短、误差大小及误差变化情况,进行动态调整,从而提高学习效率。最后,通过实例考查了F-BP学习算法的性能,并讨论了学习参数的调整对学习 相似文献