|
图书馆
|
你的个人资料 |
|
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
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 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 |
© 1998 – 2024 Nota Bene. Publishing Technologies. NB-Media Ltd.
Cn
