在提出广义模糊推理概念的基础上, 提出并分析了广义模糊径向基(RBF)神经网络模型, 给出 了该网络的广义学习算法。仿真结果验证了广义模糊RBF 神经网络模型具有良好的函数逼近能力, 所 提出的学习算
(4)反模糊化器(Defuzzification)把输出的模糊量转化为实际用于控制的清晰量。
运行环境为python3.6以上版本,下载者自主安装所需的库,可以直接使用,激活函数为sigmoid,单层神经网络。
提出了一种神经网络数学模型补偿方法,采用最大最小距离法确定聚类数目,用聚类算法计算RBF神经网络中心和扩展常数,实验结果表明,补偿模型设计合理,达到预期要求,为煤矿CO传感器准确检测低浓度CO气体浓度
% DEFAULTS if nargin < 2, error('Not enough input arguments.'), end if nargin < 3, w = 1; end if nar
王士同、韩斌早期的论文,通过建模实例验证.使用本文改进的学习算法进行学习后建立的模糊系统.有着更强的泛化能力和更高的逼近精度。
这是发表在自动化学报上的模糊神经网络函数逼近的论文,感觉挺不错
模糊神经网络解耦matlab程序
人工神经网络与模糊信号处理,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,模主观性神经网络新技术发展历程模糊性遗传算法严密性控制现论,语言理论感性再现性客观性系统理
t-s模糊神经网络程序
