| 【中文题名】 | 基于改进GA的模糊神经网络参数学习算法及其应用的研究 |
| 【英文题名】 | |
| 【学科专业】 | 计算机系统结构 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-16 |
| 【中关键词】 | 模糊系统,神经网络,模糊神经网络,遗传算法,学习算法, |
| 【英关键词】 | Fuzzy system,Neural network,Fuzzy neural network,Genetic algorithm,learning 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】 |
模糊系统理论为处理不确定性信息提供了一种方法；神经网络常用于非线性映射的逼近；模糊神经网络吸收了模糊系统和神经网络二者的优点，是一种常用的处理非线性问题的有力工具，它的学习算法是其理论与应用研究中最关键的一个方面，由于结构学习通常可以转化为参数学习，故模糊神经网络的参数学习问题是一个非常值得研究的课题。
本文首先分析了模糊神经网络，遗传算法，以及非线性系统建模和自适应滤波的发展和现状。在介绍模糊系统，神经网络的原理及模糊神经网络的结构和学习算法，阐述遗传算法的流程、基本原理的基础上，对模糊神经网络以及遗传算法的不足进行了归类与总结。提出了一种改进策略的遗传算法，即混合编码，交叉与变异并行处理，自适应交叉和动态变异，引入移民机制以及在遗传算法中加入BP算子等。
采用这种改进的遗传算法调节模糊神经网络的参数，并应用于非线性系统建模和自适应滤波中，通过与神经网络和模糊系统在这两方面应用的仿真对比，验证了该方法的有效性和优越性。 |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-7 |
|
第一章 绪论 |
7-16 |
|
1.1 选题背景 |
7-8 |
|
1.2 模糊神经网络的研究和发展 |
8-12 |
|
1.2.1 模糊系统和神经网络 |
8-10 |
|
1.2.2 模糊神经网络 |
10-11 |
|
1.2.3 模糊神经网络的参数学习算法 |
11-12 |
|
1.3 遗传算法的研究和发展 |
12-13 |
|
1.4 非线性系统建模的研究现状 |
13-14 |
|
1.5 自适应滤波的研究现状 |
14-15 |
|
1.6 本文研究的主要内容 |
15-16 |
|
第二章 模糊神经网络的理论基础 |
16-30 |
|
2.1 模糊系统理论 |
16-20 |
|
2.1.1 模糊系统的组成 |
16-18 |
|
2.1.2 模糊系统的模型 |
18-20 |
|
2.1.3 模糊系统的非线性逼近能力 |
20 |
|
2.2 神经网络理论 |
20-24 |
|
2.2.1 神经网络的基本原理 |
20-21 |
|
2.2.2 多层前馈网络—BP 网络 |
21-23 |
|
2.2.3 多层前向神经网络的非线性逼近能力 |
23-24 |
|
2.3 模糊神经网络的结构及学习算法 |
24-29 |
|
2.3.1 基于标准模型的模糊神经网络 |
24-26 |
|
2.3.2 基于 T-S 模型的模糊神经网络 |
26-29 |
|
2.4 本章小结 |
29-30 |
|
第三章 遗传算法及其改进策略 |
30-45 |
|
3.1 常见搜索方法特点及其比较 |
30-32 |
|
3.1.1 遗传算法与传统方法的比较 |
30-31 |
|
3.1.2 遗传算法与其他搜索方法的比较 |
31-32 |
|
3.2 遗传算法描述 |
32-40 |
|
3.2.1 遗传算法的流程 |
32-34 |
|
3.2.2 遗传算法的基本原理 |
34-37 |
|
3.2.3 遗传算法的应用 |
37-39 |
|
3.2.4 遗传算法的局限性 |
39-40 |
|
3.3 遗传算法的改进方案 |
40-43 |
|
3.3.1 参数的编码方案 |
40-41 |
|
3.3.2 交叉与变异并行处理 |
41 |
|
3.3.3 自适应交叉和动态变异 |
41 |
|
3.3.4 引入移民机制 |
41-42 |
|
3.3.5 加入 BP 算子 |
42-43 |
|
3.4 本章小结 |
43-45 |
|
第四章 基于改进 GA 的模糊神经网络参数学习算法及应用 |
45-61 |
|
4.1 基于改进 GA 的模糊神经网络 |
45-48 |
|
4.1.1 模糊神经网络的结构及其参数 |
45-46 |
|
4.1.2 算法的设计思想 |
46-47 |
|
4.1.3 算法具体实现 |
47-48 |
|
4.2 在非线性系统建模中的应用 |
48-53 |
|
4.2.1 问题的提出 |
48-49 |
|
4.2.2 神经网络建模 |
49-50 |
|
4.2.3 模糊建模 |
50-51 |
|
4.2.4 基于改进 GA 的模糊神经网络建模 |
51 |
|
4.2.5 仿真结果及分析 |
51-53 |
|
4.3 在自适应滤波中的应用 |
53-60 |
|
4.3.1 问题的提出 |
53-54 |
|
4.3.2 自适应滤波的原理 |
54-55 |
|
4.3.3 神经网络自适应滤波 |
55-56 |
|
4.3.4 模糊自适应滤波 |
56-57 |
|
4.3.5 基于改进 GA 的模糊神经网络自适应滤波 |
57-58 |
|
4.3.6 仿真结果及分析 |
58-60 |
|
4.4 本章小结 |
60-61 |
|
第五章 结论与展望 |
61-63 |
|
5.1 结论 |
61-62 |
|
5.2 进一步研究的工作 |
62-63 |
|
参考文献 |
63-68 |
|
致谢 |
68-69 |
|
攻读学位期间主要研究成果目录 |
69 |
|
| 【DOI】 | LunWen.ID:2.2008.389065 |
