论文研究 基于修剪技术分级学习的动态模糊神经网络算法研究.pdf

在D-FNN中采用了修剪技术，可以检测到不活跃的模糊规则并加以剔除，从而获得更为紧凑的结构。在D-FNN中，前提参数是在学习过程中自适应地进行调整。由于分级学习策略的应用，大大提高了学习的有效性，加之参数调整只限于线性参数，没有迭代学习，因而学习速度很快，这使得本算法应用于实时学习和控制成为可能。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。