• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Innovative Computing Information and Control >NEURAL FUZZY NETWORK MODEL WITH EVOLUTIONARY LEARNING ALGORITHM FOR MYCOLOGICAL STUDY OF FOODBORNE FUNGI
【24h】

NEURAL FUZZY NETWORK MODEL WITH EVOLUTIONARY LEARNING ALGORITHM FOR MYCOLOGICAL STUDY OF FOODBORNE FUNGI

机译：演化学习算法的神经网络模型在食用真菌真菌学研究中的应用。

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This study developed a neural fuzzy network (NFN) model with evolutionary learning algorithm for use in the field of food mycology for predicting growth in foodborne fungi. The evolutionary learning algorithm in the proposed model is a hybrid Taguchi-genetic algorithm (HTGA) that simultaneously finds the optimal antecedent and consequent parameters by directly minimizing root-mean-squared error (RMSE), which is a key performance criterion. The minimum RMSE is then used to optimize the number of fuzzy rules for the NFN. Experimental results show that the proposed HTGA-based NFN model with eight fuzzy rules outperforms recently reported neural networks in terms of accuracy in predicting the maximum specific growth rate of foodborne Monascus ruber.
机译：这项研究开发了具有进化学习算法的神经模糊网络（NFN）模型，用于食品真菌学领域，以预测食源性真菌的生长。提出的模型中的进化学习算法是混合Taguchi遗传算法（HTGA），它通过直接最小化均方根误差（RMSE）来同时找到最佳的前因和后继参数，RMSE是关键性能指标。然后，将最小RMSE用于优化NFN的模糊规则数量。实验结果表明，所提出的基于HTGA的具有8条模糊规则的NFN模型在预测食源性红曲霉最大比增长率的准确性方面优于最近报道的神经网络。

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