| 【中文题名】 | 基于现代优化方法的模糊神经网络设计研究 |
| 【英文题名】 | Research on Fuzzy Neural Network Design Based on Modern Optimization Technique |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-9-4 |
| 【中关键词】 | 现代优化方法,模糊神经网络,禁忌搜索,粒子群优化,算法, |
| 【英关键词】 | Modern Optimization Technique,Fuzzy Neural Network,Tabu Search,Particle Swarm Optimization,Algorithm, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 | 模糊神经网络系统作为模糊系统与神经网络的结合,一方面弥补了纯模糊逻辑在学习方面的缺陷,另一方面,使得神经网络这一“黑箱”问题走向透明化。由于汇聚了神经网络和模糊系统各自的优点,近年来,模糊神经网络已经成功应用到时间序列预测、智能控制、生物医学、模式识别、数据挖掘等多个领域。
目前,模糊神经网络的应用研究主要集中在用神经网络的结构完成模糊系统的功能,即进行网络的构造并借助神经网络的学习能力来提取模糊规则,使之完成相应的任务。因此在模糊神经网络的研究中,如何针对实际问题进行有效的模糊神经网络优化设计,即如何恰当的确定模糊神经网络的规则条数和每条规则的参数以便利于神经网络实现模糊输入、模糊推理、网络中的传播和最终结果的理解等已经成为应用模糊神经网络所面临的关键性问题。
20世纪80年代出现的模拟退火算法、遗传算法等为开端的现代优化方法,是以优化问题中的难解问题为主要应用对象。由于这些方法不要求目标函数连续可微、对计算数据的不确定性有很强的适应能力、且具有灵活性好、直观性和随机性强等特点,因此在很短的时间里就得到广泛应用,成为解决优化问题的一种有力工具,并展示出方兴未艾的强劲发展势头。
... |
| 【论文题纲】 |
|
摘要 |
3-5 |
|
Abstract |
5-9 |
|
第一章 绪论 |
9-14 |
|
1.1 引言 |
9-11 |
|
1.2 研究现状 |
11-12 |
|
1.3 研究意义 |
12-13 |
|
1.4 本文的具体工作及内容安排 |
13-14 |
|
第二章 模糊神经网络及两种优化方法的基本原理 |
14-32 |
|
2.1 模糊神经网络 |
14-25 |
|
2.1.1 模糊推理系统 |
14-17 |
|
2.1.2 人工神经网络 |
17-20 |
|
2.1.3 模糊神经网络 |
20-25 |
|
2.2 禁忌搜索算法(Tabu Search) |
25-28 |
|
2.2.1 TS算法的基本原理 |
25 |
|
2.2.2 TS算法的关键技术 |
25-28 |
|
2.3 粒子群优化算法(Particle Swarm Optimization) |
28-32 |
|
2.3.1 PSO算法的基本原理 |
28-30 |
|
2.3.2 PSO算法的改进 |
30-32 |
|
第三章 基于禁忌搜索算法的模糊神经网络优化设计与应用 |
32-51 |
|
3.1 基于禁忌搜索的模糊神经网络优化 |
32-42 |
|
3.1.1 基于模糊神经网络的混合禁忌搜索算法FNN-HTS |
32-35 |
|
3.1.2 FNN-HTS用于非线性动态系统辨识 |
35-39 |
|
3.1.3 FNN-HTS用于非线性函数逼近 |
39-42 |
|
3.1.4 小结 |
42 |
|
3.2 基于禁忌搜索的模糊神经网络分类器设计 |
42-51 |
|
3.2.1 数据挖掘 |
42-44 |
|
3.2.2 基于禁忌搜索的模糊神经网络分类器设计算法TS-FNNC |
44-48 |
|
3.2.3 TS-FNNC用于IRIS数据分类 |
48-50 |
|
3.2.4 小结 |
50-51 |
|
第四章 自适应局部搜索的粒子群优化算法 |
51-62 |
|
4.1 基于自适应局部搜索的混合粒子群优化算法PSOALS |
51-53 |
|
4.2 PSOALS用于模糊神经网络参数优化 |
53-56 |
|
4.3 PSOALS用于函数优化 |
56-60 |
|
4.4 小结 |
60-62 |
|
第五章 总结与展望 |
62-64 |
|
5.1 总结 |
62 |
|
5.2 展望 |
62-64 |
|
参考文献 |
64-68 |
|
附录 |
68-69 |
|
致谢 |
69 |
|
| 【DOI】 | LunWen.ID:2.2008.387908 |
