返回内容

控制论与编程

正确的文章链接:

Glushenko S.A., Dolzhenko A.I. 利用遗传算法训练神经模糊网络 // 控制论与编程. 2017. № 5. С. 79-88. DOI: 10.25136/2644-5522.2017.5.24309 URL: https://cn.nbpublish.com/library_read_article.php?id=24309

利用遗传算法训练神经模糊网络

Glushenko Sergey Andreevich

博士学位经济学

罗斯托夫国立经济大学副教授

344002, Russia, Rostov-on-Don, str. Bol'shaya Sadovaya, 69, of. 308

gs-gears@yandex.ru

Dolzhenko Aleksei Ivanovich

罗斯托夫国立经济大学信息系统与应用信息学系教授

344002, Russia, Rostov Region, Rostov-on-Don, str. B. Sadovaya, 69, of. 308

doljenkoalex@gmail.com

DOI:

10.25136/2644-5522.2017.5.24309

评审日期

29-09-2017

出版日期

30-10-2017

注解: 介绍了遗传算法训练神经模糊网络的特点和优点。作者回顾了文献来源，其中考虑了遗传算法的修改，以解决各种问题。结果表明，现有的遗传算法的实现方法在训练神经模糊网络方面存在许多缺点。因此，在形成染色体时，包含隶属函数峰值的区间用1编码，否则-0。这会影响搜索最优解时的分辨率。作者还详细考虑了基本算法的运算符等方面，并给出了网络训练组合方法的方案。为了训练基于遗传算法的神经模糊网络，提出了一种基于α–级的隶属函数编码方法。均方根误差作为遗传算法的适应度函数. 该研究的新颖之处在于作者提出的基于α–级编码隶属函数的方法，这使得在搜索最优解时增加算法的分辨率成为可能
研究的主要结论是，文章中提

出版日期:

遗传算法, 遗传算法, 神经模糊网络, 神经模糊网络, 附件功能, 附件功能, 染色体, 穿越, 染色体, 突变, 穿越, 突变, 语言变量, 语言变量, 神经元, 神经元, 健身功能, 健身功能, 培训课程, 培训课程

杂志

利用遗传算法训练神经模糊网络