王軍平　陳全世

摘要：為了解決采用最小方差型的誤差成本函數(shù)進(jìn)行輸入含噪系統(tǒng)參數(shù)學(xué)習(xí)時(shí)的隨機(jī)模糊神經(jīng)網(wǎng)絡(luò)（SFNN）參數(shù)不能收斂至真值的問(wèn)題，將包含噪聲方差的誤差成本函數(shù)推廣到多入單出系統(tǒng)，并根據(jù)魯棒統(tǒng)計(jì)學(xué)理論和目標(biāo)函數(shù)在參數(shù)學(xué)習(xí)中的導(dǎo)和作用，地目標(biāo)函數(shù)進(jìn)行修正，使之對(duì)于不服從統(tǒng)計(jì)分布的粗大誤差也能有效處理。在此基礎(chǔ)上提出了SFNN的魯棒參數(shù)學(xué)習(xí)算法，并且輸入輸出的數(shù)據(jù)中的噪聲方差也通過(guò)學(xué)習(xí)而得到，從而避免了需要多次測(cè)量的要求。結(jié)果表明，SFNN魯棒參數(shù)學(xué)習(xí)算法能抑制粗大誤差和系統(tǒng)噪聲。最后，通過(guò)仿真對(duì)比驗(yàn)證表明了該方法的有效性。

關(guān)鍵詞：隨機(jī)模糊神經(jīng)網(wǎng)絡(luò)；誤差成本函數(shù)；魯棒參數(shù)學(xué)習(xí)算法

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A