基于UKF的自组织直觉模糊神经网络

模糊集在语义描述上存在不足，因此，如何对模糊神经网络进行扩展是当前模糊神经网络研究的热点，针对这一问题，本文提出了基于UKF的自组织直觉模糊神经网络。首先，给出了直觉模糊神经网络的结构和各层的含义；其次，推导了直觉模糊神经网络的学习算法，用LLS和UKF分别学习线性和非线性参数；然后，给出了模糊规则生成的准则，并用误差下降率方法作为规则修剪的策略，删除作用不大的规则；最后，通过典型的函数逼近、系统辨识和时间序列预测实例，表明本文算法得到的直觉模糊神经网络的结构更为紧凑，泛化性能也更佳。