【基於快速模糊规则搜索的快速模糊系统建模】权炜.pdf
目 提要 第一章引言 S1研究背景及国内外发展现状 1主要工作 第二章模信息处理与模制神经网络 2模糊信息处理的神经网络方法 2基本模糊神经元及模糊神经网络模型 2前馈型与反馈型模神经网络.L 第三章基于模糊神经网络的模糊规则提取3基于神经网络的模樹系统建模3模糊系统的连接主义表达与特点3模糊规则提取的神经网络方法第四章基于快速模糊规则搜索的快速模糊系统建模S4快速模糊系统建模方法的研究4提出-种利用FXV的快速模糊规则搜索方法4输入变量和隶属度函数的确定.
提要 基于模糊神经网络的模糊系统建模在描述非线形系统方面是 一个大有前景的方法。本文研究了基于神经网络的模糊系统建模 的难点,并研究了S.Matsushita等人针对减少学习时间并预先确 定网络结构等问题提出的一种快速模糊系统建模方法.本文提出了一种新的快速模糊规则搜索方法,该方法不需要 领域专家的指导,利用模糊神经网络模型中的模糊化层和模糊推 理层,通过对学习样本集合的运算来搜索模糊规则。由于搜索过 程中没有学习阶段,所以该方法运行速度非常快.基于快速模糊规则搜索方法,本文提出了一种新的快速模制 系统建模方法:即利用由快速模糊规则搜索方法所得到的模糊规 则集建立模糊神经网络模型。
的特长在于逻辑推理能力,容易进行高阶的信息处理,将模糊技 术引入神经网络,可大大拓宽神经网络的处理信息的范围和能 力,使其不仅能处理精确信息,也能处理模信息和其他不精确 信息,不仅能实现精确性联想及映射,还可实现不精确性联想及 映射。神经网络在学习和自动模式识别方面有极强的优势,采 取神经网络技术来进行模糊信息处理,则使得模规则的自动提 取及模糊隶属函数的自动生成有可能得以解决,使模糊系统成为 一种自适应模糊系统,其描述非线性系统的能力是极其强大的.模糊神经网络模型存在的一个问题是网络的学习过程耗费时 间较长,主要的难点在于网络结构的确定和隶属函数的确定门 S.