一种新型模糊神经网络结构确定的研究

本文给出了一种改进的模糊神经网络模型。这种模糊神经网络结构的建立只需要根据系统的输入输出数据来得到，且含义非常明晰。通常网络神经元的个数根据经验来推测，而我们通过模糊数据曲线来确定网络模型，具有更高的准确度和优化性。模型的模糊隶属度函数和网络仅值可通过高速BP神经网络学习算法来得到；结果表明该系统模型的学习和预测效果非常好。

一种模糊规则的确定方法

在模糊神经网络结构的设计中,对模糊规则数目的获取,传统方法是凭经验来确定,这种方法复杂且难度大。本文提出通过模糊数据曲线来确定模糊规则,这样网络结构的建立只需要根据系统的输入输出数据来获得。并将其用于共面波导CPW(CoplanarW aveguide)的参数提取,试验数据表明该方法具有学习速度快,建模精度高等特点。