一种基于模糊神经网络加权的多维稀疏模糊推理方法

计算机科学 ›› 2008, Vol. 35 ›› Issue (4): 193-196.

一种基于模糊神经网络加权的多维稀疏模糊推理方法

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
国家科技部高新技术计划项目（2005EJ000017）、河北省科技研究与发展计划（02547015D）、河北省普通高等学校博士科研资助基金,2002（B2002118）.

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 在稀疏规则库条件下，经典的插值理论针对一维稀疏规则库提出了各种不同的插值方法，取得了很多很好的经验；但对多维稀疏规则条件的近似推理研究很少，不仅存在着难以保证推理结果的凸性和正规性等问题，而且没有考虑到多维变量之间的联系即对结论的影响权值，造成推理结果的误差性更大。多变量规则的模糊插值推理是插值推理研究的重要方面，为了在多变量稀疏规则条件下得到好的插值推理效果，本文提出了一种基于模糊神经网络加权的多维模糊推理方法，为智能系统中的模糊推理提供了一个十分有用的工具。

关键词: 多维稀疏模糊推理模糊神经网络权值相似性

Abstract: Interpolative reasoning is type of important reasoning approaches under sparse rules. Interpolative reasoning in one dimension has been researched widely, but the research in multi-dimension is lacking and a few existing approaches have some faults. These

Key words: Multidimensional sparse fuzzy reasoning, Fuzzy neural network, Weight, Similarity

. 一种基于模糊神经网络加权的多维稀疏模糊推理方法[J]. 计算机科学, 2008, 35(4): 193-196. https://doi.org/