| 【中文题名】 | 一种自组织模糊神经网络算法的研究 |
| 【英文题名】 | Research on a Self-Organizing Fuzzy Neural Networks Algorithm |
| 【学科专业】 | 导航、制导与控制 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-3-13 |
| 【中关键词】 | 模糊逻辑,人工神经网络,自组织模糊神经网络,结构学习,参数学习,聚类算法 |
| 【英关键词】 | Fuzzy Logic,Artificial Neural Networks,Self-Organizing Fuzzy Neural Networks,Structure Learning,Parameter Learning,Clustering 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】 |
模糊逻辑具有模拟人类大脑推理的能力,可广泛用于模式识别、专家系统、故障诊断、系统辨识以及非线性系统的控制。神经网络则具有从数据中学习的能力、并行处理能力、容错以及泛化能力。模糊神经网络结合了两者的优点,克服了神经网络从输入到输出的“黑箱”式非线性映射,又克服了人为选取模糊规则时存在的主观性。模糊神经网络正日益引起学术界的重视和关注,
很多专家预测模糊神经网络技术有望成为21世纪智能控制领域的核心技术。针对模糊神经网络的结构难以确定的问题,本文提出了一种聚类算法来辨识模糊神经网络的结构,然后用反向传播法对模糊神经网络的参数进行学习。此聚类算法可以在线地划分输入数据,逐点地更新聚类,自己组织模糊神经网络的结构。不需要知道输入数据的分布情况,所有的规则都会自己创建。随着输入数据的增多,规则数将自动增加,并且训练完的模糊神经网没有矛盾的规则。
为了验证模糊神经网此算法的有效性,本文将此算法应用到非线性单入单出,多入单出,多入多出动态系统辨识以及预测时间序列数据中。仿真结果表明,此模糊神经网络可以很好的辨识非线性系统。
在以上辨识非线性模型的基础上,本文还将此自组织模糊神经网络算法应用... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-9 |
|
第1章 绪论 |
9-14 |
|
1.1 课题背景及意义 |
9-11 |
|
1.2 相关领域的国内外研究现状及分析 |
11-13 |
|
1.2.1 模糊控制器的神经网络实现技术 |
11-12 |
|
1.2.2 改善神经网络学习性能的模糊控制技术 |
12 |
|
1.2.3 模糊神经网络开发工具及应用成果 |
12-13 |
|
1.3 本文研究的主要内容 |
13-14 |
|
第2章 模糊神经网络的基本理论 |
14-35 |
|
2.1 引言 |
14 |
|
2.2 模糊控制基础 |
14-17 |
|
2.2.1 模糊控制简介 |
14-16 |
|
2.2.2 模糊控制的基本原理 |
16-17 |
|
2.3 人工神经网络基础 |
17-23 |
|
2.3.1 人工神经网络基本概念 |
17-20 |
|
2.3.2 单层神经元模型 |
20 |
|
2.3.3 多层神经元模型 |
20-21 |
|
2.3.4 学习规则 |
21-23 |
|
2.4 模糊神经网络的理论基础 |
23-34 |
|
2.4.1 模糊逻辑和神经网络结合的必要性 |
23-24 |
|
2.4.2 基于神经网络的模糊逻辑运算 |
24-27 |
|
2.4.3 基于神经网络的模糊逻辑推理 |
27-30 |
|
2.4.4 神经网络实现的模糊推理系统 |
30-34 |
|
2.5 本章小结 |
34-35 |
|
第3章 一种自组织模糊神经网络算法的研究 |
35-53 |
|
3.1 引言 |
35 |
|
3.2 本算法涉及的几种聚类算法 |
35-40 |
|
3.2.1 学习向量量化法(Learning Vector Quantization ) |
35-36 |
|
3.2.2 Centroid Neural Network (CNN) |
36-37 |
|
3.2.3 Fuzzy ARTMAP |
37-40 |
|
3.2.4 基于VQ-ART 的聚类算法 |
40 |
|
3.3 一种自组织模糊神经网络的学习算法 |
40-52 |
|
3.3.1 一种自组织模糊神经网络的结构 |
42-45 |
|
3.3.2 一种自组织模糊神经网络的结构学习方法 |
45-49 |
|
3.3.3 一种自组织模糊神经网络的参数学习方法 |
49-52 |
|
3.4 本章小结 |
52-53 |
|
第4章 模糊神经网络在模型辨识中的应用 |
53-61 |
|
4.1 引言 |
53-54 |
|
4.2 非线性单入单出(SISO)动态系统的辨识 |
54-57 |
|
4.3 非线性多入单出(MISO)动态系统的辨识 |
57 |
|
4.4 非线性多入多出(MIMO)动态系统的辨识 |
57-59 |
|
4.5 时间序列数据的预测问题 |
59-60 |
|
4.6 本章小结 |
60-61 |
|
第5章 模糊神经网络在控制中的应用 |
61-68 |
|
5.1 引言 |
61-62 |
|
5.2 倒立摆控制问题 |
62-67 |
|
5.2.1 倒立摆的平衡控制问题 |
64 |
|
5.2.2 倒立摆的正弦轨迹跟踪问题 |
64-67 |
|
5.3 本章小结 |
67-68 |
|
结论 |
68-69 |
|
参考文献 |
69-73 |
|
攻读学位期间发表的学术论文 |
73-77 |
|
致谢 |
77 |
|
| 【DOI】 | LunWen.ID:2.2008.388387 |
