模糊神經網絡的研究及其在模式識別中的應用.pdf

1、在眾多的人工智能研究領域中，大多數(shù)研究側重于多種智能識別方法的融合，以改善識別的效果。伴隨著人工智能技術的發(fā)展，越來越多的智能識別算法在模式識別領域得到應用。模糊神經網絡結合了處理不確定信息能力的模糊邏輯，以及具備知識存儲能力的神經網絡兩種技術，可有效發(fā)揮其各自的優(yōu)勢，并彌補其不足，集學習、聯(lián)想、識別、自適應及模糊信息處理于一體，提高整個系統(tǒng)的學習能力和表達能力。用神經網絡實現(xiàn)模糊推理過程可采用網絡學習或聚類的方法從輸入輸出數(shù)據(jù)中獲取規(guī)

2、則，然后在性能指標指導下，對規(guī)則進行自適應調整，從而實現(xiàn)模糊系統(tǒng)的自學習、自適應功能。從而在模式識別和分類中具有獨特的優(yōu)勢，將此技術用于模式識別領域得到了很多專家的重視，是目前研究的一個熱點。
　　 模糊神經網絡是以神經網絡為基礎建立起來的，針對這個特點將Hopfield神經網絡與亞當姆斯預測校正系統(tǒng)有效的結合，在此基礎上提出了一種解決運輸問題的優(yōu)化算法，該算法結合Hopfield神經網絡優(yōu)化功能，并根據(jù)運輸問題的實際情況，將優(yōu)

3、化運輸問題轉換成求解網絡系統(tǒng)的平衡點，很好的解決了運輸問題。同時，根據(jù)亞當姆斯多步法思想提出一種基于多項動量項修改的神經網絡參數(shù)調整方案，該算法適用于多種前向神經網絡。實驗表明該方案可以根據(jù)設置多個不同的初始參數(shù)使網絡達到防止振蕩，收斂速度快的特點。
　　 結合多種神經網絡結構的特點提出一種新型的模糊神經網絡模型，在第二層既實現(xiàn)輸入變量的隸屬度函數(shù)的合成，又自動匹配了模糊控制的控制規(guī)則，而不用考慮常規(guī)模糊神經網絡必須由相關領域的