電子發燒友網>電子資料下載>電子論文>數字信號處理論文>多級離散模糊神經網絡穩定性的優化算法

多級離散模糊神經網絡穩定性的優化算法

2512883 2008-12-16 | rar | 333 | 次下載 | 2積分

資料介紹

針對模糊集理論在建模中對變化的外部環境適應能力差，以及基本神經網絡模型不容易獲得模糊集之間關系等問題，提出了一個具有基本模糊推理系統“IF-THEN”規則的多級離散模糊神經網絡模型。分析了該模型的基本穩定性條件，并使用硬C均值聚類方法獲得數據集之間的關系，采用遺傳算法優化了該模型。最后通過計算機仿真驗證了該模型的有效性。
關鍵詞多級離散模糊神經網絡; 穩定性; HCM聚類; 遺傳算法

模糊集理論用于在建模中針對一些實驗數據中不確定性和模糊性問題上。模糊集理論提供了系統的、以語言表示這類信息的計算工具，通過使用由隸屬函數表示的語言變量，它還可以進行數值計算。合理選擇模糊規則是模糊推理系統的關鍵因素，它可以有效地對特定應用領域中的人類專門知識進行建模。盡管模糊推理系統具有模糊IF-THEN格式的結構化知識表示，但它仍缺少對變化的外部環境進行適應的能力。而神經網絡的根本優點是對外部很強的適應性和從過去數據中學習的機制[1-2]。
基本的神經網絡兼有神經網絡的“IF-THEN”規則。它的弊端是不能得到模糊集之間的關系。為解決它的不足，本文提出了一個離散模糊神經網絡，該網絡使用硬C均值(HCM)聚類和進化計算實現全局穩定性。
1 基于規則的多級離散模糊神經網絡的穩定性