基于变尺度寻优和遗传搜索技术的模糊神经网络全局学习算法

张良杰; 李衍达; 陈惠民

您当前的位置：

首页 >

文章列表页 >

基于变尺度寻优和遗传搜索技术的模糊神经网络全局学习算法

更新时间：2025-12-08

- 基于变尺度寻优和遗传搜索技术的模糊神经网络全局学习算法
- A New Global Learning Algorithm for Fuzzy Neural Networks Based on Modified Quasi-Newton Method and Genetic Searching Techniques
- 电子学报 1996年第11期
- 作者机构：
  
  清华大学自动化系
- 作者简介：
- 基金信息：
  
  国家攀登计划认知科学（神经网络）重大关键项目,教委博士点基金
- DOI：
  中图分类号： O242.23
- 纸质出版：1996
- 稿件说明：
移动端阅览
[1]张良杰,李衍达,陈惠民.基于变尺度寻优和遗传搜索技术的模糊神经网络全局学习算法[J].电子学报,1996(11):6-11+5.

张良杰, 李衍达, 陈惠民. A New Global Learning Algorithm for Fuzzy Neural Networks Based on Modified Quasi-Newton Method and Genetic Searching Techniques[J]. Acta Electronica Sinica, 1996, (11).
[1]张良杰,李衍达,陈惠民.基于变尺度寻优和遗传搜索技术的模糊神经网络全局学习算法[J].电子学报,1996(11):6-11+5. DOI：

张良杰, 李衍达, 陈惠民. A New Global Learning Algorithm for Fuzzy Neural Networks Based on Modified Quasi-Newton Method and Genetic Searching Techniques[J]. Acta Electronica Sinica, 1996, (11). DOI：

摘要

本文给出了一种将改进的拟牛顿算法与具有新型交配方式和可变变异概率的遗传算法相结合的全局寻优算法，用以搜索模糊神经网络误差函数的全局最小点。在拟牛顿算法中采用了一种基于模糊推理和组合插值技术的线性搜索算法，可以用较少步数得到二次型置信区间内的全局最优步长，确保局部寻优具有快速收敛特性。关于算法分析的定理证明了这种混合算法对于紧致集内的权向量构成的任意连续函数能依概率１收敛于全局极小值。计算机仿真结果表明，本算法既具有较快的收敛速度，又具备良好的全局收敛特性。

Abstract

In this paper

a new global optimizing algorithm that combines the modified Quasi-Newton method and the improved genetic algorithm is proposed to find the global minimum of the total error function of a fuzzy neural network.A global linear search algorithm based on fuzzy logic and combinative interpolation techniques is developed in the modified Quasi-Newton rnodel.It is shown that this algorithm ensures convergence to a global minimum with probability 1in a compact region of a weight vector space.The results of computer simulations also reveal that this algorithm has a better convergence property and the times of global search decrease obviously.

关键词

Keywords

references

浏览量

142

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于模糊神经网络预报的抽油机节能控制研究

基于模糊神经网络的SZ绞合成缆机现场总线控制系统

一种模糊神经网络智能控制器及其应用