一种有效的增量顺序学习模糊神经网络

利用误差下降率定义输入数据对系统输出的敏感性, 并以此作为规则产生标准, 提出一种有效增量顺序学 习模糊神经网络. 将修剪策略引入规则产生过程, 因此该算法产生的模糊神经网络不需要进行修剪. 通过仿真实验, 本算法在达到与其他算法相当性能的情况下, 能够获得更高的准确率和更简单的结构.