多輸入多輸出折線模糊神經網絡的隔離分層優(yōu)化算法.pdf

1、模糊神經網絡是基于人工網絡與模糊邏輯推理相結合的一種新技能，它可有效地處理自然語言信息，并且具有較強的非線性函數(shù)逼近能力.折線模糊神經網絡是基于折線模糊數(shù)的特殊運算所構造的一種新式前向網絡，它是通過有限個有序點來完成模糊信息處理，并且具有邏輯推理、數(shù)值計算和非線性函數(shù)的逼近能力.目前，關于折線模糊神經網絡的研究還只局限于單輸入單輸出(SISO)情形，其逼近性能和參數(shù)優(yōu)化還停留在初級狀態(tài)，這給該網絡進一步廣泛應用帶來了諸多不便.因此，本文

2、將在多輸入單輸出(MISO)和多輸入多輸出(MIMO)模式下通過優(yōu)化每個分層上的權值參數(shù)來設計折線模糊神經網絡的若干優(yōu)化學習算法.其主要研究內容分為以下三部分:
　　第一部分:前言，介紹了選題背景、研究現(xiàn)狀以及預備知識.
　　第二部分:根據多輸入單輸出(MISO)模式首次引入多輸入多輸出(MIMO)折線模糊神經網絡模型，并對該網絡的隱含層和輸出層實施隔離分層.其次,采用線性方程組的廣義逆最小范數(shù)和廣義逆最小二乘法分別優(yōu)化隱含

3、層和輸出層上的權值參數(shù).最后，通過MATLAB軟件對MIMO折線模糊神經網絡進行仿真實驗.結果表明，該網絡確實可提高計算效率和收斂速度.
　　第三部分:依據折線模糊數(shù)擴展運算及其推理規(guī)則首次建立一種新型網絡”折線Mamd-nai模糊系統(tǒng)網絡模型”，并基于適應度函數(shù)、熒光素和決策半徑對該網絡模型的權值參數(shù)設計了螢火蟲優(yōu)化算法.此外，在全局搜索過程中通過不斷尋找螢火蟲的最佳位置來優(yōu)化該網絡模型的后件中心連接權參數(shù).最后，通過一個仿真實