一類復合型模糊神經(jīng)網(wǎng)絡的改進及應用研究.pdf

1、對于一類復合型模糊神經(jīng)網(wǎng)絡，論文首先進行了多方面的改進研究嘗試。第一，對于遞歸復合型模糊神經(jīng)網(wǎng)絡采用了改進的BP學習方法，如引入動態(tài)學習率和動量項等，仿真證明網(wǎng)絡逼近速度有所提高；第二，通過對遞歸復合型模糊神經(jīng)網(wǎng)絡的動態(tài)研究發(fā)現(xiàn)，引入多層遞歸環(huán)節(jié)對于網(wǎng)絡的動態(tài)逼近能力有著顯著的增強；第三，實際工業(yè)過程中，往往有許多先驗知識，而復合型模糊神經(jīng)網(wǎng)絡可以利用其規(guī)則網(wǎng)絡對先驗知識進行融合，為此，深入研究了規(guī)則網(wǎng)絡的先驗知識利用；第四，深入探討了

2、多層遞歸復合型模糊神經(jīng)網(wǎng)絡對于數(shù)據(jù)噪聲的抑制能力。 將模糊神經(jīng)網(wǎng)絡與預測控制相結合，是提高系統(tǒng)魯棒性和克服系統(tǒng)不確定性的有效手段，也是解決不確定性系統(tǒng)控制難題的有效方法，論文采用多層遞歸復合型模糊神經(jīng)網(wǎng)絡作為預測模型，構建了模糊預測控制方案，仿真研究表明了其有效性。 對于具有區(qū)域特征的復雜對象，提出了對于不同區(qū)域采用各自適合的子網(wǎng)絡進行逼近的方法，以多個子網(wǎng)絡的結合，共同逼近復雜過程對象。每個子網(wǎng)絡表現(xiàn)為具有自適應性的模