• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Mathematical Problems in Engineering >Training ANFIS Model with an Improved Quantum-Behaved Particle Swarm Optimization Algorithm
【24h】

Training ANFIS Model with an Improved Quantum-Behaved Particle Swarm Optimization Algorithm

机译：改进的量子行为粒子群优化算法训练ANFIS模型

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 paper proposes a novel method of training the parameters of adaptive-network-based fuzzy inference system (ANFIS). Different from the previous works which emphasized on gradient descent (GD) method, we present an approach to train the parameters of ANFIS by using an improved version of quantum-behaved particle swarm optimization (QPSO). This novel variant of QPSO employs an adaptive dynamical controlling method for the contraction-expansion (CE) coefficient which is the most influential algorithmic parameter for the performance of the QPSO algorithm. The ANFIS trained by the proposed QPSO with adaptive dynamical CE coefficient (QPSO-ADCEC) is applied to five example systems. The simulation results show that the ANFIS-QPSO-ADCEC method performs much better than the original ANFIS, ANFIS-PSO, and ANFIS-QPSO methods.
机译：本文提出了一种新的基于自适应网络的模糊推理系统（ANFIS）的参数训练方法。与以前的工作强调梯度下降（GD）方法不同，我们提出了一种使用改进的量子行为粒子群优化（QPSO）版本训练ANFIS参数的方法。 QPSO的这种新颖变体对收缩-膨胀（CE）系数采用了自适应动态控制方法，该系数是影响QPSO算法性能的最重要算法参数。由提出的具有自适应动态CE系数（QPSO-ADCEC）的QPSO训练的ANFIS被应用于五个示例系统。仿真结果表明，ANFIS-QPSO-ADCEC方法的性能比原始的ANFIS，ANFIS-PSO和ANFIS-QPSO方法要好得多。

著录项

  • 来源
    《Mathematical Problems in Engineering》 |2013年第7期|595639.1-595639.10|共10页
  • 作者

    Peilin Liu; Wenhao Leng; Wei Fang;

  • 作者单位

    School of Digital Media, Jiangnan University, Wuxi, Jiangsu 214122, China,Department of Software, Wuxi Institute of Technology, Wuxi, Jiangsu 214122, China;

    Department of Information Technology, China Ship Science Research Centre, Wuxi 214082, China;

    Key Laboratory of Advanced Control for Light Industry (Ministry of Education, China), Jiangnan University,Wuxi, Jiangsu 214122, China;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

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