不確定性智能系統(tǒng)的模式攝動和規(guī)則自動獲取的研究.pdf

1、不確定性普遍存在于主觀和客觀世界中，模糊性是它最重要的形式之一。不確定性人工智能是人工智能的深化和發(fā)展，現(xiàn)已經(jīng)成為人工智能研究的熱點和重大的前沿課題。而模糊邏輯系統(tǒng)和神經(jīng)網(wǎng)絡(luò)系統(tǒng)是不確定性人工智能的重要研究內(nèi)容，在構(gòu)建許多不確定性智能系統(tǒng)時，通常要為系統(tǒng)準備先驗知識，比如模糊邏輯系統(tǒng)的已知規(guī)則和神經(jīng)網(wǎng)絡(luò)系統(tǒng)的訓(xùn)練模式。先驗知識的不確定性引起了事物的復(fù)雜性和處理難度，這種不確定性從數(shù)學(xué)角度可以認為是一種誤差，從動力學(xué)角度可以認為是一種攝動

2、，有效獲取先驗知識以及評估和控制先驗知識的誤差對系統(tǒng)性能的影響已經(jīng)成為不確定性智能系統(tǒng)的重要研究內(nèi)容。有效獲取先驗知識已有很多工作，但始終沒有關(guān)鍵突破；評估和控制先驗知識的誤差對系統(tǒng)性能的影響在傳統(tǒng)模糊推理和模糊神經(jīng)網(wǎng)絡(luò)方面取得了一定的進展，但在一般神經(jīng)網(wǎng)絡(luò)還未開展，為此本文主要做了如下工作： (1)研究了訓(xùn)練模式攝動對高斯型徑向基函數(shù)網(wǎng)絡(luò)性能的影響，指出了訓(xùn)練模式攝動的常見情形，建立了相關(guān)的定義和引理，接著從理論上嚴格證明了對

3、某些模式攝動該網(wǎng)絡(luò)的輸出攝動幅度不放大，并用MATLAB編寫了一個仿真實驗應(yīng)證了該理論證明的結(jié)果，該部分工作為徑向基函數(shù)網(wǎng)絡(luò)的性能分析提供了一個新的研究點，對訓(xùn)練模式的獲取過程能提供警示和指導(dǎo)。 (2)提出了一種基于遺傳算法的根據(jù)已知系統(tǒng)控制目標自動獲取模糊控制規(guī)則的方法。該方法與其他多種方法相比較，具有能根據(jù)系統(tǒng)的控制目標，自動搜索獲得最優(yōu)(次優(yōu))模糊控制規(guī)則集的優(yōu)點，并在倒立擺控制系統(tǒng)進行了仿真應(yīng)用，具有較好的仿真效果。