不确定性智能系统的模式摄动和规则自动获取的研究

发布时间：2017-09-24 10:21

  本文关键词：不确定性智能系统的模式摄动和规则自动获取的研究

  更多相关文章： 人工智能 径向基函数神经网络 模式摄动 学习算法 遗传算法 模糊控制规则

【摘要】： 不确定性普遍存在于主观和客观世界中,模糊性是它最重要的形式之一。不确定性人工智能是人工智能的深化和发展,现已经成为人工智能研究的热点和重大的前沿课题。而模糊逻辑系统和神经网络系统是不确定性人工智能的重要研究内容,在构建许多不确定性智能系统时,通常要为系统准备先验知识,比如模糊逻辑系统的已知规则和神经网络系统的训练模式。先验知识的不确定性引起了事物的复杂性和处理难度,这种不确定性从数学角度可以认为是一种误差,从动力学角度可以认为是一种摄动,有效获取先验知识以及评估和控制先验知识的误差对系统性能的影响已经成为不确定性智能系统的重要研究内容。有效获取先验知识已有很多工作,但始终没有关键突破;评估和控制先验知识的误差对系统性能的影响在传统模糊推理和模糊神经网络方面取得了一定的进展,但在一般神经网络还未开展,为此本文主要做了如下工作: (1)研究了训练模式摄动对高斯型径向基函数网络性能的影响,指出了训练模式摄动的常见情形,建立了相关的定义和引理,接着从理论上严格证明了对某些模式摄动该网络的输出摄动幅度不放大,并用MATLAB编写了一个仿真实验应证了该理论证明的结果,该部分工作为径向基函数网络的性能分析提供了一个新的研究点,对训练模式的获取过程能提供警示和指导。 (2)提出了一种基于遗传算法的根据已知系统控制目标自动获取模糊控制规则的方法。该方法与其他多种方法相比较,具有能根据系统的控制目标,自动搜索获得最优(次优)模糊控制规则集的优点,并在倒立摆控制系统进行了仿真应用,具有较好的仿真效果。 最后本文对不确定性智能系统的一些研究问题进行了展望。
【关键词】：人工智能 径向基函数神经网络 模式摄动 学习算法 遗传算法 模糊控制规则
【学位授予单位】：长沙理工大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：TP18
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-19
• 1.1 选题背景10-16
• 1.1.1 人工智能发展历程10-11
• 1.1.2 不确定性人工智能概述11-15
• 1.1.3 已知规则和模式的不确定性发生的情形15-16
• 1.1.4 模糊控制的基本概述16
• 1.2 发展进程与研究现状16-18
• 1.2.1 不确定性人工智能的发展进程16-17
• 1.2.2 模式摄动的研究现状17
• 1.2.3 用遗传算法获取模糊控制规则的研究现状17-18
• 1.3 本文主要工作简介18-19
• 第二章 模式摄动对高斯型径向基函数网络性能的影响19-37
• 2.1 径向基函数网络的基本原理19-27
• 2.1.1 基于插值理论的径向基函数网络19-24
• 2.1.2 基于核回归估计的径向基函数神经网络24-26
• 2.1.3 径向基函数神经网络的几种特殊形式26-27
• 2.2 径向基函数神经网络中的几种学习算法27-29
• 2.3 模式摄动对高斯型径向基函数网络性能的影响29-36
• 2.3.1 相关定义及引理29-31
• 2.3.2 理论分析31-34
• 2.3.3 仿真实验34-36
• 2.4 本章小结36-37
• 第三章 一种基于遗传算法的自动获取模糊控制规则的方法37-46
• 3.1 遗传算法37-40
• 3.1.1 遗传算法的基本原理37-38
• 3.1.2 遗传算法的实现步骤38-40
• 3.2 模糊控制器的结构和组成40-41
• 3.2.1 模糊控制器的结构40
• 3.2.2 模糊控制器的组成40-41
• 3.3 模糊控制规则的建立方法41
• 3.4 利用遗传算法的模糊系统优化设计的描述41-42
• 3.5 利用遗传算法优化模糊控制规则42-44
• 3.6 仿真实验44-45
• 3.7 本章小结45-46
• 第四章 结论与展望46-48
• 4.1 结论46
• 4.2 展望46-48
• 参考文献48-52
• 致谢52-53
• 附录 攻读学位期间发表论文及参加科研情况53-54
• 详细摘要54-60

【参考文献】

中国期刊全文数据库 前10条

1 周小英,王华,姚伯威;遗传算法在模糊控制规则优化中的实现[J];电子科技大学学报;2000年02期

2 陈明，，王静;基于遗传算法Fuzzy规则自动获取[J];大连理工大学学报;1995年05期

3 庄凌,陈德钊,赵伟祥,张红,胡上序;RBF-CSR方法及其应用于裂解装置建模的研究[J];高校化学工程学报;2002年01期

4 刘镇,李程远;用遗传算法优化模糊控制规则[J];贵州工业大学学报(自然科学版);1999年05期

5 王士同,於东军;径向基神经网络的构造理论[J];华东船舶工业学院学报;1999年02期

6 周志华,陈世福;神经网络规则抽取[J];计算机研究与发展;2002年04期

7 王剑,沈理,巢菊芬;一种高效的模糊规则自动生成方法[J];计算机研究与发展;1999年02期

8 武妍,施鸿宝;一种基于Rough　Sets和模糊神经网络的规则获取的方法[J];计算机工程与应用;1999年07期

9 卢涛,陈德钊;径向基网络的研究进展和评述[J];计算机工程与应用;2005年04期

10 肖平;冯久超;余英林;;多模式对模糊联想记忆网络的动态学习算法[J];计算机科学;1998年02期

本文编号：910867