论文部分内容阅读
神经网络和模糊控制在解决复杂的对象方面有独特优势,将模糊理论的知识表达容易和神经网络较强的学习能力这两个优势有机结合起来,用以提高系统的学习能力和表达能力。模糊神经网络（FNN）是近几年的研究热点．但由于采用对神经网络进行训练的BP算法是梯度算法．容易陷入局部极小。本文提出把动态的交叉率、变异率与在传统的遗传算法（GA）中加入动态学习的BP算子结合起来改良传统的遗传算法．即在遗传操作中．利用动态交叉率和变异率来改善全局样本的收敛速度：而在BP运算中加入动态学习率得到最大的优化收敛．不仅发挥了神经网络的泛化