帶閾值的模糊感知器的收斂性.pdf

1、現(xiàn)代科技的飛速進(jìn)步促使控制理論向著更復(fù)雜，嚴(yán)密的方向發(fā)展.這其中模糊控制和神經(jīng)網(wǎng)絡(luò)(NN)控制由于其非線性和不依賴對象的數(shù)學(xué)模型等特點(diǎn)倍受人們的關(guān)注.模糊系統(tǒng)善于表達(dá)知識，推理類似于人的思維，但過于依賴人的主觀因素，缺乏學(xué)習(xí)和適應(yīng)的能力；神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)可變，具有較強(qiáng)的自組織，自學(xué)習(xí)的能力，但是不具有結(jié)構(gòu)性知識表達(dá)能力，網(wǎng)絡(luò)參數(shù)缺乏物理意義，且在學(xué)習(xí)過程中易陷入局部極值，所以將二者的特點(diǎn)結(jié)合起來就成了一種必然的趨勢. 模糊神經(jīng)網(wǎng)絡(luò)(

2、FNN)就是模糊理論和神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合的產(chǎn)物.FNN綜合了模糊理論與神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，是一種既具有學(xué)習(xí)，聯(lián)想，自適應(yīng)性，又能進(jìn)行模糊推理的新型結(jié)構(gòu).它是由一些稱為模糊神經(jīng)元的基本單元按一定的規(guī)則形成的網(wǎng)絡(luò).FNN的理論，結(jié)構(gòu)，學(xué)習(xí)算法和應(yīng)用技術(shù)一直是計算機(jī)領(lǐng)域重要的研究課題，并以它特有的優(yōu)勢受到高度的重視.該文對FNN的以下方面進(jìn)行了分析和研究： 1.對人工神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀，發(fā)展趨勢及應(yīng)用領(lǐng)域進(jìn)行了綜述，闡述了模糊數(shù)學(xué)，人工神經(jīng)

3、網(wǎng)絡(luò)及模糊神經(jīng)網(wǎng)絡(luò)的基本概念，網(wǎng)絡(luò)結(jié)構(gòu)，學(xué)習(xí)算法；并分析和對比了模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)和缺點(diǎn)； 2.由于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)有非常好的信息處理能力，它已經(jīng)廣泛應(yīng)用于解決分類問題.本文研究的是帶閾值的模糊感知器用來解決分類問題的能力.針對帶閾值模糊感知器的學(xué)習(xí)算法，本文證明了當(dāng)訓(xùn)練樣本可分時，若樣本的維數(shù)是2，該算法完全收斂；若樣本的維數(shù)大于2，在更強(qiáng)的條件下，算法有限收斂； 3.分別利用帶閾值和不帶閾值的模糊感知器對五組訓(xùn)練樣