排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
提出了一类基于贴近度理论的模糊ART神经网络模型,简称为CBFART(Closeness Based Fuzzy ART)模型,将模糊数学中的贴近度(Closeness)和择近原则(Closest Principle)概念与自适应共振理论(ART)相结合,形成了一种新的网络模型。该模型的学习以匹配-委托循环为特点,网络分类遵循择近原则,补码编码、匹配-委托和快速委托-慢性重编码方案相结合,保证了网络学习的收敛性和稳定性,并可以做到一次性学习、提高了学习速度。文中对高维样本进行分类仿真,给出了仿真结果,分析表明该模型具有良好的聚类特性,能够稳定地对高维样本进行分类。 相似文献
2.
传统的控制方法大多需要知道被控对象的数学模型 ,而许多复杂的实际系统 ,其准确的数学模型往往不易得到 ,或者难以求解。采用自适应滑模变结构控制方法 ,对形如 x(n) =f( x,t) g( x,t) u d( t)的非线性系统进行跟踪控制 ,其中 f( x,t)和 g( x,t)为未知非线性函数 ,且其边界未知 ,d( t)为未知有界扰动 ,为减少对被控制对象信息的依赖性 ,没有利用专家知道 ,也没有利用被控对象的历史运行数据 ,通过利用基函数类神经网络动态逼近函数 f( x,t)和 g( x,t) ,对自适应调整控制系统输入 ,得出基于 RBF网络的滑模变结构自适应控制方案 ,经过理论分析 ,证明了控制方案的稳定性。仿真结果表明了该方案的可行性的实用性 相似文献
1