期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
模糊竞争神经网络在线辨识及在CSTR中的应用
1
作者
江善和
潘康生
余春日
《计算机仿真》
CSCD
2005年第4期190-193,共4页
基于改进的T-S模糊模型构造了一种自适应模糊竞争神经网络模型(FCNN),给出了网络的连接结构和学习算法。它依据模糊竞争学习算法确定系统的模糊空间和模糊规则数,得出每个样本对每条规则的适用程度,并利用卡尔曼滤波算法在线辨识FCNN的...
基于改进的T-S模糊模型构造了一种自适应模糊竞争神经网络模型(FCNN),给出了网络的连接结构和学习算法。它依据模糊竞争学习算法确定系统的模糊空间和模糊规则数,得出每个样本对每条规则的适用程度,并利用卡尔曼滤波算法在线辨识FCNN的后件参数。将其应用于化工过程连续搅拌反应器(CSTR)的建模中,仿真结果表明,FCNN具有结构简洁、收敛速度快、辨识精度高等特点,可当作复杂系统建模的一种有效手段。
展开更多
关键词
模型
模糊竞争神经网络
模糊
竞争
学习
模糊
辨识
连续搅拌反应器
下载PDF
职称材料
NFCNNC:一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用
2
作者
耿新青
王正欧
《情报学报》
CSSCI
北大核心
2006年第3期296-300,共5页
提出了一种新的模糊竞争神经网络聚类模型NFCNNC,并将其应用到文本聚类中。NFCNNC将模糊中心聚类(FCC)算法得到的模糊聚类中心向量作为神经网络的权值,通过比较隶属度值得到获胜神经元。网络中仅两个神经元同时调节权值。隶属度值...
提出了一种新的模糊竞争神经网络聚类模型NFCNNC,并将其应用到文本聚类中。NFCNNC将模糊中心聚类(FCC)算法得到的模糊聚类中心向量作为神经网络的权值,通过比较隶属度值得到获胜神经元。网络中仅两个神经元同时调节权值。隶属度值最大的神经元以较大的学习率调整权值,隶属度次大的神经元以较小的学习率调整权值,其他神经元权值不变。按照FCC算法调整模糊聚类中心向量值(即权值)和神经元的隶属度,当网络稳定时,即可确定聚类数。与传统模糊神经网络模型相比,本文的模糊神经网络模型具有结构简单、运行效率高、聚类精度高的优点,同时克服了传统算法需预先指定聚类数的局限性。通过对文本聚类的实验验证,本算法取得了良好的效果。
展开更多
关键词
文本聚类
隶属度
NFCNNC
模糊竞争神经网络
聚类模型
运行效率
下载PDF
职称材料
题名
模糊竞争神经网络在线辨识及在CSTR中的应用
1
作者
江善和
潘康生
余春日
机构
安庆师范学院物理与电气工程学院
出处
《计算机仿真》
CSCD
2005年第4期190-193,共4页
文摘
基于改进的T-S模糊模型构造了一种自适应模糊竞争神经网络模型(FCNN),给出了网络的连接结构和学习算法。它依据模糊竞争学习算法确定系统的模糊空间和模糊规则数,得出每个样本对每条规则的适用程度,并利用卡尔曼滤波算法在线辨识FCNN的后件参数。将其应用于化工过程连续搅拌反应器(CSTR)的建模中,仿真结果表明,FCNN具有结构简洁、收敛速度快、辨识精度高等特点,可当作复杂系统建模的一种有效手段。
关键词
模型
模糊竞争神经网络
模糊
竞争
学习
模糊
辨识
连续搅拌反应器
Keywords
Model
Fuzzy competitive neural network
Fuzzy compe titive learning
Fuzzy identification
Continuous stirred tank reactor(CSTR)
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
NFCNNC:一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用
2
作者
耿新青
王正欧
机构
鞍山师范学院数学系
天津大学系统工程研究所
出处
《情报学报》
CSSCI
北大核心
2006年第3期296-300,共5页
基金
国家自然科学基金资助项目(No.60275020).
文摘
提出了一种新的模糊竞争神经网络聚类模型NFCNNC,并将其应用到文本聚类中。NFCNNC将模糊中心聚类(FCC)算法得到的模糊聚类中心向量作为神经网络的权值,通过比较隶属度值得到获胜神经元。网络中仅两个神经元同时调节权值。隶属度值最大的神经元以较大的学习率调整权值,隶属度次大的神经元以较小的学习率调整权值,其他神经元权值不变。按照FCC算法调整模糊聚类中心向量值(即权值)和神经元的隶属度,当网络稳定时,即可确定聚类数。与传统模糊神经网络模型相比,本文的模糊神经网络模型具有结构简单、运行效率高、聚类精度高的优点,同时克服了传统算法需预先指定聚类数的局限性。通过对文本聚类的实验验证,本算法取得了良好的效果。
关键词
文本聚类
隶属度
NFCNNC
模糊竞争神经网络
聚类模型
运行效率
Keywords
fuzzy neuron network, text clustering ,fuzzy central clustering vector, membership degree.
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
G350 [文化科学—情报学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
模糊竞争神经网络在线辨识及在CSTR中的应用
江善和
潘康生
余春日
《计算机仿真》
CSCD
2005
0
下载PDF
职称材料
2
NFCNNC:一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用
耿新青
王正欧
《情报学报》
CSSCI
北大核心
2006
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部