基于EKF与TLS动态模糊神经网络算法

作者：张彩霞

来源：中山大学学报(自然科学版), 2019, 58(01): 138-143.

DOI：10.13471/j.cnki.acta.snus.2019.01.017

• 动态模糊神经网络
• 修剪技术
• 模糊规则
• 径向基神经网络

提出了一种动态模糊神经网络(D-FNN)算法。在实际应用中,可以用卡尔曼滤波(KF)方法来调节D-FNN结果参数,同时,EKF (扩展卡尔曼滤波)方法用于更新前提参数的中心和宽度,从而使得所有参数都被修正。该算法可用于平滑、滤波或者预测非线性动态系统的状态,同其他基于梯度的在线算法相比,EKF可以加快D-FNN收敛速度。采用总体最小二乘(TLS)方法作为修剪技术来选择D-FNN重要的模糊规则。如果在学习进行时,检测到不活跃的模糊规则并加以剔除,则可获得更为紧凑的D-FNN结构,TLS方法是用来补偿线性参数估计问题中数据误差的一种技术。最后针对实际案例进行了仿真分析,验证了该算法的有效性和高效性。

• 单位
  自动化学院; 佛山科学技术学院