高斯激活函数特征值分解修剪技术的D-FNN算法研究

何正风; 张德丰; 孙亚民

欢迎访问《中山大学学报(自然科学版)(中英文)》！ English Version 维普资讯中国知网万方数据

您当前的位置：

首页 >

文章列表页 >

高斯激活函数特征值分解修剪技术的D-FNN算法研究

研究论文 | 更新时间：2023-12-11

- 高斯激活函数特征值分解修剪技术的D-FNN算法研究
- Research on Adaptive Dynamic Fuzzy Neural Network #br# Algorithms with Gauss Activation Function and Eigenvalue #br# Decomposition Pruning Technologies
- 角色： First author , Corresponding author , 第一作者 , 通讯作者 ,
  
  机构：
  佛山科学技术学院理学院,广东,佛山,528000
  
  邮箱： hzf09@126.com
  
  暂无本作者相关信息
  何正风
  ，
  角色：
  
  机构：
  佛山科学技术学院计算机系,广东,佛山,528000
  
  邮箱：
  
  暂无本作者相关信息
  张德丰
  ，
  角色：
  
  机构：
  南京理工大学计算机科学与技术学院,江苏,南京,210094
  
  邮箱：
  
  暂无本作者相关信息
  孙亚民
  ，
- 中山大学学报(自然科学版)(中英文) 2013年52卷第1期页码：34-39
- 作者机构：
  
  1. 佛山科学技术学院理学院,广东,佛山,528000
  2. 佛山科学技术学院计算机系,广东,佛山,528000
  3. 南京理工大学计算机科学与技术学院,江苏,南京,210094
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版日期：2013，
  
  网络出版日期：2013-1-25，
扫描看全文
引用本文

阅读全文PDF
何正风, 张德丰, 孙亚民. 高斯激活函数特征值分解修剪技术的D-FNN算法研究[J]. 中山大学学报(自然科学版)(中英文), 2013,52(1):34-39.

HE Zhengfeng, ZHANG Defeng, SUN Yamin. Research on Adaptive Dynamic Fuzzy Neural Network #br# Algorithms with Gauss Activation Function and Eigenvalue #br# Decomposition Pruning Technologies[J]. Acta Scientiarum Naturalium Universitatis SunYatseni, 2013,52(1):34-39.
何正风, 张德丰, 孙亚民. 高斯激活函数特征值分解修剪技术的D-FNN算法研究[J]. 中山大学学报(自然科学版)(中英文), 2013,52(1):34-39. DOI：

HE Zhengfeng, ZHANG Defeng, SUN Yamin. Research on Adaptive Dynamic Fuzzy Neural Network #br# Algorithms with Gauss Activation Function and Eigenvalue #br# Decomposition Pruning Technologies[J]. Acta Scientiarum Naturalium Universitatis SunYatseni, 2013,52(1):34-39. DOI：

HTML全文
参考文献
出版信息
数据统计

摘要

提出了一种D-FNN的新算法。其算法的最主要特点是：D-FNN选择高斯函数作为网络的激活函数和模糊系统的隶属函数，该算法不仅具有强大的全局映射泛化能力，而且在细化局部方面也有效；使用特征值分解修剪技术使得网络结构不会持续增长，可获得更为紧凑的DFNN结构，避免了过拟合现象。最后通过对Hermite多项式逼近能力来验证所提方案的有效性。仿真结果表明使用特征值分解修剪技术和高斯激活函数的D-FNN具有良好的性能。

译

Abstract

A new algorithm，which uses D-FNN Gauss function as a network activation function and fuzzy membership function, is proposed. The algorithm obtains strong global mapping generalization ability and effectiveness in local refinement,and adopts eigenvalue decomposition pruning technology to enables more compact D-FNN structure to avoid the phenomenon of over fitting. Finally, the algorithm is confirmed through the Hermite polynomial approximation to approach ability of validity. The simulation results show that the eigenvalue decomposition of pruning techniques and Gauss activation function of D-FNN has good performance.

译

关键词

动态模糊神经网络; 模糊规则; 修剪技术; 特征值分解

译

Keywords

dynamic fuzzy neural network(D-FNN); fuzzy rule; pruning technology; eigenvalue decomposition(ED)

译

摘要

Abstract

A new algorithm，which uses D-FNN Gauss function as a network activation function and fuzzy membership function

is proposed. The algorithm obtains strong global mapping generalization ability and effectiveness in local refinement

and adopts eigenvalue decomposition pruning technology to enables more compact D-FNN structure to avoid the phenomenon of over fitting. Finally

the algorithm is confirmed through the Hermite polynomial approximation to approach ability of validity. The simulation results show that the eigenvalue decomposition of pruning techniques and Gauss activation function of D-FNN has good performance.

关键词

动态模糊神经网络模糊规则修剪技术特征值分解

Keywords

dynamic fuzzy neural network(D-FNN)fuzzy rulepruning technologyeigenvalue decomposition(ED)

references

814

浏览量

480

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

滑动窗与修剪技术的动态模糊神经网络方法研究

分级在线自组织学习的GD-FNN算法研究

基于非线性动态系统辨识的 D-FNN算法研究

基于规则产生准则与修剪策略的D-FNN算法研究