基于GFNN的在线自组织快速产生和调整模糊规则的方法

摘要

本文提出了一种使用GFNN的从数据对中自动产生和调整模糊规则的快速方法,GFNN的特点是首先进行输入空间的划分并选择初始参数,然后进行结构辩识和参数估计.在学习过程中自动产生、删除、合并模糊规则.可以应用于静态函数估计,非线性系统辩识,时间序列预测等问题.仿真结果表明利用本文方法产生了一组紧密且高性能的模糊规则.与近期其他算法相比,本算法在学习效率、性能、简单性方面都很有优势.