基于增長剪枝聯(lián)合算法的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化研究.pdf

1、模糊神經(jīng)網(wǎng)絡(luò)是將人工神經(jīng)網(wǎng)絡(luò)與模糊邏輯系統(tǒng)相結(jié)合的一種能處理抽象信息的網(wǎng)絡(luò)，是智能控制理論研究領(lǐng)域中一個十分活躍的分支。典型的模糊神經(jīng)網(wǎng)絡(luò)，就是被稱為模糊多層感知器的模糊神經(jīng)網(wǎng)絡(luò)。這種網(wǎng)絡(luò)主要是根據(jù)模糊系統(tǒng)的結(jié)構(gòu)來決定等價構(gòu)造的神經(jīng)網(wǎng)絡(luò)，也就是說，使神經(jīng)網(wǎng)絡(luò)的每層，每個節(jié)點對應(yīng)模糊系統(tǒng)的一部分。 模糊神經(jīng)網(wǎng)絡(luò)規(guī)則層節(jié)點的數(shù)目決定了整個網(wǎng)絡(luò)的規(guī)模和性能，包含冗余規(guī)則的節(jié)點太多會導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)的龐大；從輸入到輸出的響應(yīng)變慢；增加網(wǎng)絡(luò)的

2、計算復(fù)雜度；以及使它所表示的模糊規(guī)則庫難以理解，對實際控制產(chǎn)生很大影響。當(dāng)網(wǎng)絡(luò)規(guī)模過于龐大、學(xué)習(xí)效率不高或容易陷入局部極值時，改變控制器的結(jié)構(gòu)，可以改善系統(tǒng)的性能，并使模糊神經(jīng)網(wǎng)絡(luò)完成網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)，得到能滿足系統(tǒng)性能要求意義下的最佳的網(wǎng)絡(luò)結(jié)構(gòu)。因而對模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進行優(yōu)化是一種必然。 該論文一共分5章，第1章引言主要介紹了關(guān)于模糊神經(jīng)網(wǎng)絡(luò)基本的概念、發(fā)展現(xiàn)狀以及本文的主要研究內(nèi)容。 第2章探討了目前比較常見的幾種模

3、糊神經(jīng)網(wǎng)絡(luò)優(yōu)化算法，包括窮舉法、增長法、剪枝法和進化算法。 第3章針對模糊神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)的選擇一般憑借經(jīng)驗，冗余節(jié)點往往占據(jù)較大比例問題，運用了模糊神經(jīng)網(wǎng)絡(luò)增長算法，使網(wǎng)絡(luò)從簡單的很小的規(guī)模開始增長，直到達到性能要求目標(biāo)為止。并且改進了增長法，在進行一定步數(shù)的訓(xùn)練后計算網(wǎng)絡(luò)誤差衰減率并判斷是否增加節(jié)點，避免了由于連續(xù)增長導(dǎo)致的網(wǎng)絡(luò)瞬間膨脹，同時也減小了一定的計算量。 第4章利用模糊神經(jīng)網(wǎng)絡(luò)剪枝算法，根據(jù)兩個節(jié)點的相關(guān)程

4、度對節(jié)點進行合并，對參與合并操作節(jié)點相關(guān)的節(jié)點的閾值進行調(diào)整，然后計算節(jié)點合并后的模糊神經(jīng)網(wǎng)絡(luò)的每一個節(jié)點的分散度，對分散度過小的節(jié)點進行刪除操作，同時調(diào)整相關(guān)節(jié)點的閾值，保證網(wǎng)絡(luò)性能。 第5章針對增長法、剪枝法各自優(yōu)、缺點。將剪枝法和增長法聯(lián)合運提出一種可行的增長剪枝聯(lián)合算法，即：網(wǎng)絡(luò)從初始小規(guī)模開始增長，達到性能指標(biāo)后，再通過合并與修剪，以運算的開銷換取全局最優(yōu)。 通過普通結(jié)構(gòu)、增長法、剪枝法以及本文提出的聯(lián)合算法四