基于強(qiáng)化學(xué)習(xí)改進(jìn)的模糊神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究.pdf

1、模糊神經(jīng)網(wǎng)絡(luò)是一種新型的人工智能技術(shù)，它結(jié)合了神經(jīng)網(wǎng)絡(luò)和模糊邏輯推理系統(tǒng)兩者的優(yōu)點(diǎn)，相互取長補(bǔ)短，因而使得模糊模式識(shí)別和模糊邏輯推理等具有自學(xué)習(xí)的功能。但是通常的模糊神經(jīng)網(wǎng)絡(luò)并未考慮到訓(xùn)練數(shù)據(jù)與環(huán)境的交互，而強(qiáng)化學(xué)習(xí)通過感知環(huán)境狀態(tài)信息來學(xué)習(xí)動(dòng)態(tài)系統(tǒng)的最優(yōu)策略，通過試錯(cuò)法不斷與環(huán)境交互改善自己的行為，并具有對(duì)先驗(yàn)知識(shí)要求低的優(yōu)點(diǎn)。本文將強(qiáng)化學(xué)習(xí)算法引入到模糊神經(jīng)網(wǎng)絡(luò)中，實(shí)現(xiàn)了對(duì)雷達(dá)輻射源的識(shí)別。并在此基礎(chǔ)上，采用引用網(wǎng)完成了對(duì)平臺(tái)識(shí)別過

2、程的建模和推理。
　　本文首先在對(duì)模糊神經(jīng)網(wǎng)絡(luò)的相關(guān)理論深入研究的基礎(chǔ)上，給出了一種基于POP的五層模糊神經(jīng)網(wǎng)絡(luò)模型，并在強(qiáng)化學(xué)習(xí)的框架下獲取該網(wǎng)絡(luò)模型的隸屬度函數(shù)的聚類參數(shù)。之后提出了獲取變化的隸屬函數(shù)中心數(shù)的聚類參數(shù)的改進(jìn)算法，并將基于強(qiáng)化學(xué)習(xí)的改進(jìn)后的聚類參數(shù)生成算法應(yīng)用到雷達(dá)輻射源識(shí)別中。先對(duì)雷達(dá)輻射源數(shù)據(jù)進(jìn)行特征提取及歸一化處理，將得到的雷達(dá)仿真數(shù)據(jù)作為實(shí)驗(yàn)的數(shù)據(jù)集，對(duì)基于強(qiáng)化學(xué)習(xí)的聚類參數(shù)生成算法和改進(jìn)后的算法的實(shí)驗(yàn)結(jié)