论文部分内容阅读
为了近似实现模糊数的非线性运算及提高神经网络的逼近精度，引入折线模糊数和折线模糊神经网络，并依据折线模糊数的扩展运算对经典共轭梯度算法进行改进，使该算法在迭代过程中通过一维非精确Armijo-Goldstein线性搜索方法获得优化学习常数，进而在折线模糊神经网络环境下设计了折线模糊共轭梯度算法．最后，通过模拟实例说明了该算法具有计算复杂度低、收敛速度快等杼陛．