基于神经元的动态系统模糊关系模型及其学习算法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国防科技预研基金, 国防科技大学青年基金资助项目


A Neuron-Inspired Fuzzy Relation Model of Dynamic System And Its Learning Algorithms
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    本文直接针对模糊集, 提出了三种基于模糊集运算的逻辑神经元, 即AND. OR和AND/DR. 基于上述神经元, 提出了一种应用于动态系统建模的实用的模糊关系网络模型, 通过一个简单实例, 证实了上述模型建模算法的学习能力和快速计算能力。

    Abstract:

    In view of fuzzy sets and their operations, three kinds of logical neurons, i, e. , AND, OR and AND/OR neurons can be chassified into two types: weighted and relational. Using AND, OR and AND/OR neurons, a fuzzy relational model for dynamic system modeling is provided as well as its learning algorithms. By a simple example, the soundness and learning capability of the algorithms are verified.

    参考文献
    相似文献
    引证文献
引用本文

陈英武,谭跃进,汪浩.基于神经元的动态系统模糊关系模型及其学习算法. A Neuron-Inspired Fuzzy Relation Model of Dynamic System And Its Learning Algorithms[J].国防科技大学学报,1997,19(4):66-71.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:1996-09-16
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2014-05-28
  • 出版日期:
文章二维码