資源描述：
《基于模糊聚類算法的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、哈爾演理T人學(xué)工學(xué)壩I．學(xué)位論』[基于模糊聚類算法的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)研究摘要隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)代工業(yè)變得越來越復(fù)雜，傳統(tǒng)的控制方法已經(jīng)遠遠不能滿足高標(biāo)準(zhǔn)的性能要求。在這種情況下，智能控制理論被提出并逐漸發(fā)展起來。模糊神經(jīng)網(wǎng)絡(luò)是智能控制理論中一個十分活躍的分支，它是人工神經(jīng)網(wǎng)絡(luò)與模糊邏輯系統(tǒng)的有機結(jié)合，一方面彌補了純模糊邏輯在學(xué)習(xí)方面的缺陷，另一方面使得神經(jīng)網(wǎng)絡(luò)這一“黑箱”問題走向透明化。模糊神經(jīng)網(wǎng)絡(luò)是一種能處理抽象信息的網(wǎng)絡(luò)結(jié)構(gòu)，具有強大的自學(xué)習(xí)和自整定功能。因此，模糊神經(jīng)網(wǎng)絡(luò)的發(fā)展對智能控制發(fā)展具有非常重要的意義。在模糊神經(jīng)網(wǎng)絡(luò)的發(fā)展過程中始終存在著這樣一個難題，即結(jié)構(gòu)辨識問題，也就是
2、如何合適地劃分輸入輸出空間，如何從觀測數(shù)據(jù)中提取較為簡化的模糊規(guī)則庫以便于神經(jīng)網(wǎng)絡(luò)實現(xiàn)模糊輸入、模糊推理、網(wǎng)絡(luò)中的傳播和最終結(jié)果的理解。聚類算法作為一種無監(jiān)督的分類方法，它能按照一定的要求和規(guī)律對事物進行區(qū)分和分類。本文將聚類算法引入模糊神經(jīng)網(wǎng)絡(luò)，利用聚類算法來提取系統(tǒng)特征，優(yōu)化輸入輸出空間，從而生成初始的、粗略的模糊規(guī)則庫。在分析了模糊C均值(FCM)聚類算法缺陷的基礎(chǔ)上，針對類別數(shù)的確定和聚類中心初始化這兩方面的問題對FCM聚類算法進行了改進。依照改進算法的聚類結(jié)果生成規(guī)則數(shù)目和初始參數(shù)，并由此確定模糊神經(jīng)網(wǎng)絡(luò)的初始結(jié)構(gòu)。在模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程中，除了利用誤差反向傳播學(xué)習(xí)算法對參數(shù)進行修
3、正外，還利用靈敏度剪枝算法對網(wǎng)絡(luò)的結(jié)構(gòu)進行進一步的優(yōu)化，達到自適應(yīng)調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)的目的，獲得最優(yōu)的模糊控制規(guī)則庫。最后以函數(shù)逼近為例，驗證了所提算法的有效性，說明了它在自適應(yīng)能力、逼近精度等方面的優(yōu)勢，從而可將其有效地用于模糊建模和控制問題的求解。關(guān)鍵詞模糊神經(jīng)網(wǎng)絡(luò)；模糊聚類；結(jié)構(gòu)優(yōu)化；靈敏度剪枝墮塹鎏矍±壘蘭三蘭竺!：蘭竺蘭蘭StudiesonAdaptiveFuzzyNeuralNetworkBasedonFuzzyClusteringAlgorithmAbstractWiththedevelopmentofscienceandtechnology,themodemindustrysy
4、stemsarebecomingmoreandmorecomplex．ThetraditionaIcontrollerscannotsatisfythehighperformanceofthesystems．Inthisbackground，theintelligentcontroltheoryisproposedanditdevelopsveryquickly．Fuzzyneuralnetwork(階Ⅲ)isanactivebranchintheintelligentcontr01．FNNiscomposedoftheneuralnetworkandfuzzylogicsystem．Itis
5、theorganicintegrationofthetwoparts．FNNcompensatesfortheshortcomingofthepurefuzzysystemwhichlacksoflearningcapability．Besides，itmakestheneuralnetworktransparentandinterpretable．FNNcandealwiththeabstractinformationanditisgoodatself-learuingandself-tuning．SothetheoryofFNNisveryimportantfortheintelligen
6、tcontr01．ThestructureidentificationofthesystemisadifficultproblemthatalwaysexistsinthedevelopmentofFNN，thatishowtopartitiontheinputandoutputspaceandhowtogeneratesimplerulesfromtheobservationdatasothatneuraInetworkcaneffectivelyimplementfuzzyinput，fuzzyreasoning,propagationinnetworkandinterpretationo
7、fthefinialresults．Asanunsupervisedclassifyingmethod,clusteringalgorithmisabletopartitionandclassifythingsaccordingtodefiniterequirementsandrules．Inthispaper,weputclusteringalgorithmintofuzzyneuralnetw
