FWNN模糊小波神经网络的数据预测matlab仿真

目录

1.算法概述

2.仿真效果

3.MATLAB仿真源码

---

1.算法概述

      小波神经网络 (Wavelet Neural Network, WNN) 目前在函数拟合、故障诊断、电机信号检测等多个领域已经得到了广泛的应用。然而, 小波神经网络只能解决输入为确定信息的网络建模问题, 不能解决不确定性信息问题。但在实际的战场环境中, 由于战场环境具有诸多的不确定性, 包括随机性和模糊性, 例如空中目标类型、目标干扰能力等因素均具有不确定性。模糊神经网络可以有效解决诸如预测、任务分配等问题。其优点在于可以解决目标威胁环境中存在的模糊及不确定的问题, 但模糊神经网络也存在着依赖先验知识、抗干扰性差、推广能力不足等问题。

FWNN模块的6层结构，包括输入层、隶属度层、模糊规则层、小波层、小波乘积层和输出层。

（1）第1层为输入层。每个节点i直接向输入层输入信号xi（i=1，2，…，ni）。在输入向量

x=（x1， x2，…， xni）T中，ni表示其维数。

（2）第2层为隶属度层。这层中的神经元表示模糊规则前部分所使用的语言变量的隶属函数。

隶属度层的输入可以表示为

ri，j=xi，n+μi，j，n-1αi，j

式中：n为迭代次数;αi，j为递归反馈连接的权重;μi，j，n-1为高斯隶