论文部分内容阅读
本文提出一种基于神经网络的自组织模糊系统 ,该系统由前向多层神经网络构成 ,分两阶段学习 :竞争学习阶段、监督学习阶段。该系统最大的特点是根据输入数据的分布灵活地划分模糊集合 ;根据同一聚类空间输出数据的分布确定模糊规则数 ,而不只是由输出数据的平均值确定。最后将该系统用于某炼油厂辛烷值的软测量建模 ,实验结果表明 ,该系统具有结构简单、学习速度快、建模精度高、泛化能力强等优点 ,优于 UOP专利模型