一种新的基于神经模糊推理网络的复杂系统模糊辨识方法

作     者：李佳宁 易建强 赵冬斌 西广成 LI Jia-Ning;YI Jian-Qiang;ZHAO Dong-Bin;XI Guang-Cheng

作者机构：中国科学院自动化研究所复杂系统与智能科学实验室 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2006年第32卷第5期

页      面：695-703页

核心收录：

学科分类：12[管理学] 07[理学] 08[工学] 071102[理学-系统分析与集成] 0810[工学-信息与通信工程] 1205[管理学-图书情报与档案管理] 0711[理学-系统科学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(60334020 60440420130 60475030 60575047) 国家973项目(2003CB517106) 科技部国际合作重点项目(2004DFB02100) 中科院海外杰出学者基金(2005-1-11)资助 

主　　题：模糊辨识 神经模糊网络 规则抽取 非监督学习 监督学习 

摘      要：针对基于输入输出数据的复杂系统的模糊辨识问题,提出了一种新的神经模糊推理网络及相应的学习算法．学习算法被应用于系统的结构辨识与参数辨识．在结构辨识阶段,介绍了一种新的直接从输入输出数据中抽取和优化模糊规则的学习算法;在参数辨识阶段,提出和推导了一种非监督学习和监督学习相结合的混合式学习算法,实现模糊隶属函数的初步调整和优化．仿真结果表明,本文的方法可以同时满足对辨识精度、收敛速度、可读性和规则数的要求．