模糊神经网络的结构优化研究
【摘要】:由于模糊控制和神经网络共生互补,因此它们的结合产物——模糊神经网络成为当今智能控制领域的研究热点。典型的模糊神经网络结构就是被称为模糊多层感知器类型的模糊神经网络结构。在模糊神经网络中,代表规则节点的数目直接影响着整个网络的性能和效率。因而,需要进行规则优化即模糊神经网络结构的优化。现在大部分结构优化算法需要重新训练网络,非常浪费时间。为此,本文作了如下的工作:
对模糊神经网络的各种结构优化方法进行了归纳和总结。神经网络自构行学习(NNSCL)算法属于剪枝法中的统计法类,是在BP(Back-propagation)算法的基础上形成的一种多层前向神经网络的剪除式结构学习算法。针对NNSCL算法需要重新训练的缺点,提出了改进的INNSCL算法,修改了相关系数和样本分散度公式,用广义逆矩阵算法代替数理统计的线性方法修改剩余权值。该算法通过调整四个参数C_1 ,C_2,γ1和γ2来选择最好的优化结果,能够找到最小数量的规则数,且优化后不需要重新训练仍能保持整个网络的性能。
逐次修剪(IP)法也属于剪枝法,是删除节点后用最小二乘问题修改剩余权值而保持整个网络的输出不变,所以网络优化后不需要重新训练。此算法在修改剩余权值时花费很多时间,因而提出了改进的逐次修剪(IIP)法,采用“分块”和用广义逆矩阵算法代替共轭梯度预处理正则方程法,大大提高了网络优化效率。
提出了一类新的模糊神经网络结构,它是在典型模糊神经网络结构的基础上进行的扩展,即在模糊化层上增加了层次,增加的层次是用来形成输入变量的各模糊集合的隶属度函数,使得隶属度函数的生成过程一目了然,并且在网络的训练过程中可以调整。此网络可以自动生成隶属度函数和自动获取模糊规则。
两种改进算法用于提出的一类新的模糊神经网络的规则推理层进行规则优化,并将它们向网络的低层次上扩展可对输入变量模糊集合的隶属度函数进行调
|
|
|
|
1 |
吴小苗,韩祯祥;电力系统自组织模糊神经网络稳定器[J];电力系统及其自动化学报;1995年04期 |
2 |
张绍德,王志营,陈正;基于自适应模糊神经网络的二阶惯性纯滞后系统研究[J];电气传动自动化;1997年02期 |
3 |
王耀南;基于遗传算法的模糊神经控制及其应用[J];高技术通讯;1997年03期 |
4 |
赵国强;模糊神经网络控制器的设计与仿真[J];辽宁工程技术大学学报;1998年06期 |
5 |
达飞鹏,宋文忠;基于模糊神经网络的非线性大系统滑模自适应控制[J];控制与决策;1998年06期 |
6 |
鲍其莲,张炎华;模糊神经网络的局部调整快速学习算法[J];上海交通大学学报;1998年08期 |
7 |
达飞鹏,宋文忠;用输入输出模型表示的非线性系统的模糊神经网络滑模自适应控制[J];电子学报;2000年07期 |
8 |
孙增圻;模糊神经网络及其在系统建模与控制中的应用[J];南京化工大学学报(自然科学版);2000年04期 |
9 |
高峡,孙作安;旋转机械故障诊断的模糊神经网络方法[J];沈阳电力高等专科学校学报;2000年04期 |
10 |
王秀娟,侍洪波;应用聚类和模糊神经网络方法设计模糊规则库[J];中南大学学报(自然科学版);2003年04期 |
11 |
张彦军,刘俊,张文栋;目标识别中的人工神经网络应用[J];微纳电子技术;2003年Z1期 |
12 |
李迎春,申东日,陈义俊;基于模糊神经网络的非线性系统建模方法[J];石油化工自动化;2003年01期 |
13 |
王大志,金辉,王振雷;基于遗传算法的非线性多变量系统模糊神经网络控制[J];沈阳工业学院学报;2003年01期 |
14 |
叶其革,王晨皓,吴捷;模糊神经网络及其在电力系统中的应用研究[J];继电器;2004年11期 |
15 |
聂?,赵荣椿,张艳宁,江泽涛,张晓燕;基于模糊神经网络的印刷体汉字容错识别方法[J];西北工业大学学报;2004年03期 |
16 |
曾昭华,苏志军,高珊珊;基于模糊神经网络的火灾探测算法的应用研究[J];自动化技术与应用;2004年09期 |
17 |
肖洪昌;李雄刚;;基于模糊神经网络的方向行波保护[J];电工技术;2004年03期 |
18 |
邢美凤,冯斌;基于模糊神经网络的核桃病虫害诊断专家系统的设计[J];雁北师范学院学报;2005年02期 |
19 |
吴焕瑞,李英华;模糊神经网络中用于分类的几种误差函数的性能比较[J];保定师范专科学校学报;2005年02期 |
20 |
王辉球;缪立新;乐奕平;;基于模糊神经网络的交通信号控制[J];ITS通讯;2005年01期 |
|