一种新的基于加权模糊规则自适应神经-模糊推理

苏永利; 王熙照

doi:10.3969/j.issn.1000-1565.2005.02.017

河北大学学报(自然科学版) >

2005 , Vol. 25 >Issue 2: 194 - 196,230

DOI: https://doi.org/10.3969/j.issn.1000-1565.2005.02.017

一种新的基于加权模糊规则自适应神经-模糊推理

苏永利 ,
王熙照

展开

河北大学,数学与计算机学院,河北,保定,071002

网络出版日期: 2005-01-25

基金资助

中国科学院资助项目，河北省自然科学基金，河北省教育厅博士科研项目，河北省科学技术研究与发展计划

收起

A New Adaptive Neuro-fuzzy Reasoning Mechanism Based on Weighted Fuzzy Production Rule

SU Yong-li ,
WANG Xi-zhao

Expand

Online published: 2005-01-25

Fold

摘要

提出了一种基于加权模糊规则的新的推理机制,并将这组加权模糊规则及相应推理机制映射成了一个模糊神经网络,其中加权模糊规则中的(局部和整体)权重恰好对应于神经网络的连接权.通过新改进的BP算法训练此神经网络后,可学习得到加权模糊规则的权重近似优值.模拟实验说明,训练后得到权重,用本文提出的新的推理机制可以一定程度上提高推理精度.

关键词： 加权模糊规则; 模糊神经网络; 模糊推理

本文引用格式

苏永利 , 王熙照 . 一种新的基于加权模糊规则自适应神经-模糊推理[J]. 河北大学学报(自然科学版), 2005 , 25(2) : 194 -196,230 . DOI: 10.3969/j.issn.1000-1565.2005.02.017

参考文献

[1] YEUNG D S, TSANG E C C. Weighted fuzzy production rules [J]. Fuzzy Sets and Systems 1997, 88.
[2] YEUNG D S, TSANG E C C. A multilevel weighted fuzzy reasoning algorithm for expert systems [J]. IEEE Transactions on Systems Man and Cybernetics 1998, 28(02).
[3] TSANG E C C, YEUNG D S, WANG X A. Learning weights of fuzzy production rules by a max-min nural netwotk [A]. Romana, Bucharest 2001.
[4] Tsang E.C.C., Yeung D.S., Lee J.W.T., Huang D.M., Wang X.Z.. Refinement of generated fuzzy production rules by using a fuzzy neural network [J]. IEEE transactions on systems, man, and cybernetics, Part B. Cybernetics: A publication of the IEEE Systems, Man, and Cybernetics Society 2004, 1(1).
[5] YUAN Y, SHAW M J. Induction of fuzzy decision trees [J]. Fuzzy Sets and Systems 1995, 69(02).

Options

文章导航

模态框（Modal）标题

摘要

本文引用格式

参考文献