本书系统地介绍了动态模糊神经网络理论,目的是要解决使用者在缺乏模糊理论、神经网络以及应用对象的全面知识的情况下,如何快速、自动地构造一个有效的模糊神经网络的问题。因此,本书在提出参数学习的同时,特别强调模糊神经网络结构的确定。
本文 采用动态模糊神经网络(Dynamic Fuzzy Neural Network, DFNN)对上证指数进行预测。该算法构架基于RBF神经 元的模糊神经网络,通过自适应构建专家推理规则来构建 神...
基于28个网页-相关网页
动态递归模糊神经网络 DRFNN ; dynamic recurrent fuzzy neural network
针对静态网络无法处理暂态问题,对具有递归环节的动态模糊神经网络进行了研究。
Since a static fuzzy neural network cannot deal with the temporal problem, a dynamic fuzzy neural network (DFNN) with recurrent units is proposed.
针对动态模糊神经网络(DFNN)在进行预测应用时容易陷入“局部极值”的缺陷,提出一种改进方案。
An improvement for dynamic fuzzy neural network (DFNN) was presented to avoid its running into the local extreme.
利用动态模糊神经网络控制器对并联平台的轨迹跟踪控制进行了仿真,结果表明此控制算法具有较好的跟踪性能和较强的鲁棒性。
The proposed DFNN controller was applied on tracking control system of 6-dof parallel platform, and the results show that this method has better tracking performance and robustness.
应用推荐