王军平,陈全世,田光宇
(清华大学汽车安全与节能国家重点实验室,100084,北京)
摘要：针对随机模糊神经网络(SFNN)的网络结构没有明确的物理含义,仅仅是一种实现随机模糊逻辑系统的计算结构的问题,对其网络结构进行了改进,重新定义了每层的节点原型.改进后每层之间的物理含义明确且节点数目减少,从而计算量有所减少.对于SFNN的参数和结构,可以分别通过参数学习算法和结构学习算法来优化.将SFNN用于随机混沌时间序列预测,仿真结果表明：该系统由于引入了随机的概念,使网络能更有效地防止噪声的干扰,因而更适合于工程应用.
关键词： 随机模糊神经网络；参数学习；结构学习；随机混沌时间序列
中图分类号：TP18文献标识码：A文章编号： 0253-978x(2003)10-0991-04