神经网络学习算法的改进及其在控制中的应用
该文针对神经网络的学习算法存在的缺陷，将模糊逻辑集成进神经网络及其学习过程中，提出了一种GFNN网络和F-BP算法，大大的加快了神经网络的学习速度，改善了神经网络的性能。另外，还提出了一种GDNN网络的学习算法。在此基础上，提出了F-BP我络和GFNN网络的在线学习算法，通过在线的调整神经网络的参数，使神经网络能动态适应环境。为了验证该文提出的方法的有效性，将它们用于地铁列车运行控制系统的控制仿真中，取得了很好的效果。
神经网络 模糊系统 模糊神经网络 控制系统 学习算法
武妍 施鸿宝
上海铁道大学技术研究所(上海)
国内会议
合肥
中文
971～975
2000-06-01（万方平台首次上网日期，不代表论文的发表时间）