鑒于BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程需要對所有權(quán)值和閥值進(jìn)行修正，是一種全局逼近神經(jīng)網(wǎng)絡(luò)，但訓(xùn)練速度較慢，不適用實(shí)時(shí)性較強(qiáng)場合，故采取了局部逼近網(wǎng)絡(luò)——徑向基網(wǎng)絡(luò)。算法訓(xùn)練關(guān)系式如下：

節(jié)點(diǎn)輸出為

式中a1為節(jié)點(diǎn)輸出;b為神經(jīng)元閥值;Wij為接點(diǎn)連接權(quán)值;f為傳遞函數(shù)。

權(quán)值修正

式中z為新學(xué)習(xí)因子;h為動(dòng)量因子;Ej為計(jì)算誤差。

誤差計(jì)算

式中tPI為i節(jié)點(diǎn)期望輸出值;aPI為i節(jié)點(diǎn)計(jì)算輸出值。

由于神經(jīng)網(wǎng)絡(luò)的神經(jīng)元個(gè)數(shù)不確定性，經(jīng)大量數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證，本文選取輸入層有2個(gè)神經(jīng)元，隱含層有4個(gè)神經(jīng)元。輸出層只有1個(gè)神經(jīng)元。采用只有1個(gè)隱含層的三層網(wǎng)絡(luò)對控制基進(jìn)行學(xué)習(xí)記憶。把每條控制規(guī)則作為神經(jīng)網(wǎng)絡(luò)的樣本進(jìn)行訓(xùn)練學(xué)習(xí)，從而能實(shí)現(xiàn)這個(gè)規(guī)則基的神經(jīng)網(wǎng)絡(luò)權(quán)系數(shù)。

基于神經(jīng)網(wǎng)絡(luò)在推理方面不足，故借助于模糊控制強(qiáng)大的推理功能，提取有效的條件語句，進(jìn)而加快網(wǎng)絡(luò)的訓(xùn)練速度。選取偏差E和偏差變化率△E作為輸入和控制量U作為輸出。偏差E和偏差變化率△E的模糊量分別為大(L)，中(M)，小(S)，創(chuàng)立描述條件推理表格如表1。

橫行元素表示E的模糊量，豎行表示△E的模糊量，兩者交叉為控制量U的模糊量。根據(jù)表中數(shù)據(jù)，可知共有3×3種推理語句，采用推理法將條件語句表簡化得出以下4條語句：

將產(chǎn)生貢獻(xiàn)的語句選出，可能存在的個(gè)數(shù)為20，21，…，2n。這樣，減少了冗余的推理語句，有利于網(wǎng)絡(luò)訓(xùn)練速度的快速進(jìn)行。