模糊Hopfield網(wǎng)絡(luò)的魯棒性控制及其應(yīng)用.pdf

1、不確定性廣泛存在于主觀和客觀世界中，模糊性和隨機性是其中最重要的兩種不確定性形式，對不確定性問題的研究是當前人工智能、計算機視覺、模式識別等領(lǐng)域的研究熱點和重大前沿課題之一，而模糊神經(jīng)網(wǎng)絡(luò)是不確定性問題建模和構(gòu)建智能系統(tǒng)的重要工具之一。收斂性及魯棒性是評估一個模糊神經(jīng)網(wǎng)絡(luò)的兩個重要方面。近年來，國內(nèi)外部分學者對由模糊取大(Max)和三角模中的T-模構(gòu)建的模糊Hopfield網(wǎng)絡(luò)簇模型的穩(wěn)定性、容錯性及魯棒性進行了細膩地分析，并發(fā)現(xiàn)了此模

2、型的眾多良好性質(zhì)，然而對帶閾值情況下，模糊神經(jīng)網(wǎng)絡(luò)的收斂性以及對訓(xùn)練模式攝動時的魯棒性及其應(yīng)用尚未研究。本文主要做了以下工作:
　　 首先，提出了帶閾值的基于Max和T-模的模糊Hopfield神經(jīng)網(wǎng)絡(luò)模型，簡記為Max-T-CFHNN;然后對Max-T-CFHNN的收斂性及在訓(xùn)練模式小幅攝動情況下的魯棒性進行了分析，并從數(shù)學上給出了嚴格的證明，發(fā)現(xiàn)了采用最大權(quán)值矩陣學習算法時，Max-T-CFHNN具有良好的收斂性，同時當T-