| 【中文题名】 | 基于模糊神经网络的模糊规则自动生成方法 |
| 【英文题名】 | |
| 【学科专业】 | 计算机组织与系统结构 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-12-29 |
| 【中关键词】 | 模糊神经网络,BP算法,模糊控制,模糊逻辑,模糊规则自动生成, |
| 【英关键词】 | Fuzzy neural network,BP algorithm,Fuzzy control,Fuzzy logic,Fuzzy rules'automatic generating, |
| 【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】 | 随着模糊逻辑和模糊控制的飞速发展，模糊规则的提取成为模糊技术应用的一个关键。由于人工总结规则存在不少困难，因此模糊规则自动生成方法的研究越来越引起人们的注意，其中一个活跃的研究方向是利用模糊神经网络来学习模糊规则。
模糊神经网络是由神经网络与模糊逻辑相结合构成的。它既继承了神经网络的自学习、自组织、自适应和自调整能力，又具备了模糊逻辑表达人类高层归纳性知识的能力，因而比其他方法更适于模糊规则的自动学习。
本文先概述了现有的各种模糊规则自动生成方法的优劣，然后在前人的研究基础上提出一种适于模糊逻辑控制的模糊神经网络模型，并利用该神经网络学习模糊控制规则。
本文提出的模糊神经网络方法包括三部分：一是输入空间的模糊划分；二是模糊神经网络的构造；三是模糊神经网络的参数调整。在模糊划分中，我们先借助K-Nearest-Neighbor的概念确定控制曲面的极值点，同时对得到的极值点进行了必要的筛选，删去伪极值点并保留关键的极值点。然后根据保留的关键极值点确定输入变量的初始模糊划分。由于模糊控制本质上是一种函数拟合，因此根据极值点获得的模糊划分是一种简洁而有效的划分。接着，我... |
| 【论文题纲】 |
|
摘要 |
4-6 |
|
Abstract |
6-11 |
|
第一章 引言 |
11-15 |
|
1.1 模糊逻辑控制的产生与发展 |
11-13 |
|
1.2 模糊规则自动生成方法研究的重要性 |
13-14 |
|
1.3 本文的研究目的与内容组织 |
14-15 |
|
第二章 综述 |
15-24 |
|
2.1 神经网络的基本概念和发展 |
15-19 |
|
2.1.1 神经网络的基本概念 |
15-17 |
|
2.1.2 神经网络的发展 |
17-19 |
|
2.2 模糊规则自动生成方法的总结 |
19-21 |
|
2.3 模糊神经网络在模糊规则自动生成中的应用 |
21-24 |
|
第三章 基于模糊神经网络的模糊规则自动生成方法 |
24-34 |
|
3.1 引言 |
24-25 |
|
3.2 模糊划分方法 |
25-26 |
|
3.3 模糊神经网络的结构 |
26-28 |
|
3.4 模糊神经网络权值的初始化 |
28-29 |
|
3.5 模糊神经网络的学习算法 |
29-31 |
|
3.6 神经网络的学习过程 |
31-32 |
|
3.7 模糊规则及隶属函数的提取 |
32-33 |
|
3.8 数据预处理 |
33-34 |
|
第四章 数据测试 |
34-47 |
|
4.1 引言 |
34 |
|
4.2 函数拟合 |
34-38 |
|
4.3 仿真实验 |
38-46 |
|
4.4 结论 |
46-47 |
|
第五章 模糊规则自动生成系统 |
47-64 |
|
5.1 引言 |
47 |
|
5.2 需求分析 |
47-50 |
|
5.2.1 系统需求 |
47-48 |
|
5.2.2 总体需求 |
48-49 |
|
5.2.3 开发工具 |
49-50 |
|
5.3 系统功能及实现 |
50-55 |
|
5.4 面向对象的设计与实现 |
55-64 |
|
5.4.1 面向对象的设计方法 |
55-56 |
|
5.4.2 本系统设计所采用的面向对象技术 |
56-64 |
|
第六章 结束语 |
64-65 |
|
参考文献 |
65-69 |
|
作者简历 |
69 |
|
| 【DOI】 | LunWen.ID:2.2008.388279 |
