一种FCMAC及在Wiener模型辨识中的应用研究

来源 :信息与控制 | 被引量 : 0次 | 上传用户:a4198673
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文将模糊算法和小脑模型神经网络有机地结合在一起,提出了一种单输入单输出(SISO)的模糊小脑模型神经网络(FCMAC).它在对输入进行分级量化的同时进行模糊量化,利用Takagi-Sugeno模糊算法进行推理,并将模糊算法引入CMAC的权值训练,具有输入量化级数少、函数逼近精度高等特点.这种FCMAC用于Wiener模型辨识具有结构确定、计算量小、训练速度快、辩识效果好等特点.
其他文献
竞争迫使企业走到一起,组成虚拟企业,是现代企业的特征.但如何迅速构建虚拟企业,实现联盟企业间的重组、重用和柔性,是传统企业要解决的首要问题.文章分析了虚拟企业建模的特
迭代学习控制(ILC)适合于具有某种重复运动(运行)性质的被控对象,可实现有限时间区间上的完全跟踪任务.本文综述了迭代学习控制的基本内容和最新发展动态 ,对迭代学习控制的
本文针对快速AHC方法不能消除倒立摆的小幅振荡的问题,提出了一种改进,使用类似于线性反馈形式的行动者.通过仿真实验发现这种改进消除了倒立摆控制的小幅振荡,而对学习速度
本文在信息熵和互信息的基础上,提出了非线性偏自相关的定义.这一概念是对线性偏自相关的一般化,由它可以得到度量时间序列预测复杂性的定量方法.这种复杂性由当前序列值对各阶历
针对遗传算法在复杂问题应用中收敛速度十分缓慢的不足,本文引入收敛性因子和进程因子对种群进化的交叉概率和变异概率进行自适应调节,提出了可自适应调节参数的改进遗传算法