摘要
为了提高模糊神经网络的泛化能力和收敛速度,以及减小误差,提出了采用动量梯度下降算法和RMSprop优化算法模糊神经网络的方法,研究并设计神经网络的参数调整的自适应过程,在代价函数中加入正则项,实现参数的更新,同时保证模糊神经网络的收敛速度,对预测输出和实际输出的拟合效果和误差进行比较。将二种优化模糊神经网络的算法应用于非线性函数逼近、Mackey-Glass混沌时间序列和水质等级评价的输出预测中,实验结果表明,RMSprop的预测输出和实际输出的误差和拟合效果优于动量梯度下降算法。
-
单位黑龙江大学; 电子工程学院