该层中的每个节点与输入向量连接。网络输入误差及其变化率,对应的输入输出−第j个节点可表示为:
2)隶属函数
在该层中,因为输入变量模糊,所有选择高斯隶属函数。
其中,CIJ和σij分别表示为第i个 变量的第j个节点的高斯函数中心值和标准差,两者是可调参数。
3)规则层,即,模糊规则的乘法运算。
其中是第三层的第i个输入变量。
4)输出层,即,输出变量的清晰度。
其中V分别是i和j之间的连接权值,他们都是可调整的参数。
4。2重量调整
权重选择对系统性能有很大的影响,如果权重不合适,神经网络的收敛速度将降低。本文基于梯度下降法对网络权值进行修正。
定义目标函数如下:
其中是网络的期望的输出,而是网络的实际输出;
当V分别是,和同时假设,和为1,从图2可知,输出层的反向传输误差被描述为:
桥式起重机智能防摆控制英文文献和中文翻译(13):http://www.youerw.com/fanyi/lunwen_97253.html