• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Asia-Pacific conference on simulated evolution and learning >Generality and Conciseness of Submodels in Hierarchical Fuzzy Modeling
【24h】

Generality and Conciseness of Submodels in Hierarchical Fuzzy Modeling

机译：分层模糊建模中子模沟的一般性和简明

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Hierarchical fuzzy modeling is a promising technique to describe input-output relationships of nonlinear systems with multiple inputs. This paper presents a new method of dividing input spaces for hierarchical fuzzy modeling using Fuzzy Neural Network (FNN) and Genetic Algorithm (GA). Uneven division of input space for each submodel in the hierarchical fuzzy model can be achieved with the proposed method. The obtained hierarchical fuzzy models are probable to be more concise and more precise than those identified with the conventional methods. Studies on effects of the weights on performance indices for the fuzzy model are also shown in this paper.
机译：分层模糊建模是一种有希望的技术，用于描述具有多个输入的非线性系统的输入输出关系。本文介绍了使用模糊神经网络（FNN）和遗传算法（GA）划分用于分层模糊建模的输入空间的新方法。可以通过所提出的方法实现分层模糊模型中每个子模型的输入空间的不均匀分割。所获得的分层模糊模型可能比以常规方法鉴定的相比更简洁，更精确。本文还示出了对对模糊模型性能指标的权重对模糊模型的效果的研究。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号