一种新的基于综合相似度的区间值模糊推理方法

在深入分析已有的基于相似度的模糊推理算法的基础上,针对其计算复杂、未考虑规则前件权重及规则激活方法可能导致结论不全面的问题,提出一种基于综合相似度的区间值模糊推理算法。引入综合相似度、规则阈值、规则可信度等概念,给出新的模糊规则激活方法及推理结论可信度的计算方法。通过算例说明了新方法在多重多维模糊推理的情况下具有还原性,且计算简单,适用于实际应用。     

基于灰关联和灵敏度的BP网络隐含层结构优化

在优化BP神经网络隐含层结构时,采用灰关联剪枝法是每次删除灰关联度小于灰关联阈值的隐节点,该方法学习时间短,但由于灰关联阈值的选取具有一定的主观性,可能会导致误删节点或不能完全删除冗余节点;而采用灵敏度剪枝法是每次只删除灵敏度最小的一个隐节点,放学习时间较长;因此,提出一种基于灰关联——灵敏度的BP神经网络隐含层结构调整算法;首先在网络前期学习过程中,采用灰关联法对隐含层节点进行"粗删",直到剩余隐节点的灰关联度都大于动态灰关联闽值,然后在网络后期学习过程中,采用灵敏度剪枝法对隐含层节点进行"细删",直到删除后的学习误差增大,则保留该节点,并结束学习;文章将结构优化后的神经网络应用于风电功率预测,仿真结果表明,该方法在满足学习误差要求的同时,不仅精简了神经网络结构,而且避免了灰关联剪枝法中灰关联阈值精确选取困难所带来的问题。