基于规则层隶属度改进的模糊神经网络的研究与应用

发布时间：2020-12-08 02:12

　　高维数据的提前预测已成为现今的一个研究热点。神经网络与模糊系统是两种常见的用于预测不确定性非线性函数的方法,但两者都存在着某些缺陷;模糊系统缺乏自学习和自适应能力;神经网络则是难于知识的表达,同时其对数据的逼近能力受到其网络结构的限制。模糊神经网络是一种将模糊逻辑推理在知识性结构方面的特点与神经网络在自学习能力方面的优势结合起来的一种局部逼近网络,处理解决了神经网络在模糊数据处理方面与模糊逻辑在学习方面的相关问题,使其能更完善的处理非线性的相关问题。在详细介绍了模糊神经网络的相关理论及模型的基础上,了解了模糊神经网络是由其规则层决定其输出的学习机制,对数据的逼近能力取决于其网络结构与隶属度函数;当处理高维非线性数据时,模糊神经网络的规则层会变得复杂且庞大,将会严重影响模糊神经网络的运算速度,降低网络的运算能力。本文将研究思路放在了对规则层的聚类分析上,通过聚类将规则层中所携带信息量较少的结点规为一类,并将这类结点全部转化为零结点,利用任何数与零相乘都为零的特性,来降低整个规则层的复杂度,形成一个新的更易计算的规则层。在具体的研究中对比了 K-means与模糊聚类两种不同的聚类方法,通过... 

【文章来源】：安徽工业大学安徽省

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图１－１技术路线图??

图２－１模糊逻辑系统??中可以看出，论域Ｕ上的点会通过模糊产生器会将论域Ｕ上的点映所需要的点，因而通过模糊产生器的集合Ｕ就会转变成模糊集合，糊集合会通过模糊推理机，模糊推理机的运行过程主要由模糊规则糊规则库一般是由在这个问题方面比较有权威的专家来制定，模糊糊推理机后得出来的就是我们想要的结果，但此时结果仍然处于一态，所以这时候就需要反模糊化器，反模糊化器此时将得到的模糊们所需要的非模糊化结果，这些就是一个模糊逻辑系统简化的工作经网络??网络是人类在医学神经网络的基础上，通过大量的单元人工处理结可以解决非线性难题的自适应处理系统。它是通过模仿自然神经系展而来的，试图设计出一种能具备如人脑一样处理信息能力的智能对人工神经网络的研宄将进一步加深对人脑神经系统的认识与了解。??使人工神经网络更近似于人类大脑信息处理的机理，人工神经网络基本属性：??性。在我们自然界中物与物之间的关系多数都是呈现出非线性的特

弱就利用有向加权弧的权值来表示。许多学者将人工神经网络分为两大类：前馈??型神经网络与反馈型神经网络，他们作出如此分类的理由主要是根据神经网络的??功能以及效果来分类的，其结构简图如图２－２、图２－３所示。??输入结点??图２－２前馈型网络??每一个神经元结点按从前到后的顺序依次排列，并且后一个结点只接受前一??个结点的输入，在这过程中既不存在着跨级输入也不存在着输出结果反过来影响??输入过程中的参数，这样的神经网络就称之为前馈型神经网络，前馈型神经网络??也是整个神经网络世界中应用最为广泛的神经网络。输入单元和计算单位是这类??１２??


本文编号：2904272