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(jī)性是其中最重要的兩種不確定性形式，對(duì)不確定性問(wèn)題的研究是當(dāng)前人工智能、計(jì)算機(jī)視覺(jué)、模式識(shí)別等領(lǐng)域的研究熱點(diǎn)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(wèn)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(píng)估一個(gè)模糊神經(jīng)網(wǎng)絡(luò)的兩個(gè)重要方面。近年來(lái)，國(guó)內(nèi)外部分學(xué)者對(duì)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(cuò)性及魯棒性進(jìn)行了細(xì)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(duì)帶閾值情況下，模糊神經(jīng)網(wǎng)絡(luò)的收斂性以及對(duì)訓(xùn)練模式攝動(dòng)時(shí)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(jiǎn)記為Max-T-CFHNN;然后對(duì)Max-T-CFHNN的收斂性及在訓(xùn)練模式小幅攝動(dòng)情況下的魯棒性進(jìn)行了分析，并從數(shù)學(xué)上給出了嚴(yán)格的證明，發(fā)現(xiàn)了采用最大權(quán)值矩陣學(xué)習(xí)算法時(shí)，Max-T-CFHNN具有良好的收斂性，同時(shí)當(dāng)T-