基于灰色关联分析的分层模糊神经网络.pdf

万方数据
基于灰色关联分析的分层模糊神经网络引言@民獬方法。首先，根据灰色关联分析的结果，将输入变量进行两两组合建立分层模糊子系统．其次对愈引起人们的注剥。刘1摘要：为解决“模糊规则爆炸”问题，提出一种基于模糊神经网络从试验样本抽取模糊规则的每个模糊子系统设计分层参数、结构优化算法．在权值学****过程中，模糊进化规划与分层方法相结合，网络的备层权值独立优化，并且各屡权值优化问题简化为二次型问题，降低了鼠优化过程中的计算复杂性．最终能够实现整个模糊神经网络的分层优化，各层神经元单独训练且训练结果互不影响．与常规的前向进化神经网络方法相比较，该方法通过对神经元的部分解群体的进化，缩短了个体的编码长度，显著地减少了计算量。同时这种方法不但能够很大程度上简化适应值的计算，更重要的是能够降低适应值空间的复杂性，从而能够加速进化算法收敛到全局最优点。关键词：模糊神经网络；进化规划；分层方法；灰色相关分析文章编号：———，下困难之处【】：随着输入变量维数的增加，模糊规则数呈lA模糊逻辑比传统的逻辑系统更接近于人类的思维和语言表达方式，而且提供了对现实世界不精确或近似知识的获取方法。模糊系统作为一种自由的模型方法能够在紧集上以任意精度逼近任意连续函数。已经得到证明基于模糊逻辑的模型和控制方法能够高效地解决不精确和非线性问题【】。然而，传统设计模糊系统的方法是完全依赖于设计者的主观经验的。从复杂系统的输入输出数据寻找合适的模糊规则并构造模糊系统，对设计者甚至对领域专家来说都是一件十分困难的事情。模糊系统设计需要解决的问题是：参数估计，包括前件参数和后件参数；结构辨识，包括输入空间的模3[4-81说，这些方法是简单和快速的，它们既不需要花费很多时间进行迭代，也不需要复杂的规则生成机制。这些方法的缺点是它们都是启发式方法并且需要预先设定隶属函数和规则数。近年来，利用模糊神经网络来获得模糊规则的方法愈来模糊神经网络既有模糊系统的推理功能，又具有神经网络的自学****机制。模糊神经网络近十年来获得了广泛的应用和长足的发展，但它应用于大规模模糊规则学****时还有以指数增加以至于规则集过于庞大而不可用；随着输入变量维数的增加，待优化的参数总数也呈指数增加以至于现有的参数优化方案无法正常工作。也正是由于上述困难之处模糊神经网络不适用于求解大规模问题。本文研究基于灰色关联分析的分层模糊神经网络，该系统特点如下：一方面，由于整个模糊神经网络系统由很多层状的模糊子系统组成，因此可以避免模糊规则随着输入维数的增加而指数增长；另一方面，每一个模糊子系统的参数都可以分层独立优化，因此大大降低了系统参数优化的难度。大规模优化和控制问题一直是智能计算和智能控制的难题，本文所做的研究工作具有广泛和深远的意义。18420064．北京工业大学电控学院，北京；寤4笱ё远担本琇珺甪methodthe．networksthealleviatedMeanwhile籰—；lt(1971)法、神经网络和模糊技术；吴澄，男，浙江桐乡人，教授，博导，中国工程院院士，研究方向为系统集成方法与技术，复杂工业大系统的建模、控制及调度，系统可靠性等。．，AbstractA瓼togetherSecondly,in瓹independentlyas甌space篺networkevolutionaryApr2006100022China2De