基于禁忌搜索算法的模糊神經(jīng)網(wǎng)絡(luò)參數(shù)學(xué)習(xí)研究.pdf

1、近年來,模糊神經(jīng)網(wǎng)絡(luò)以其廣義的函數(shù)逼近能力,已經(jīng)受到了廣泛的關(guān)注.在模糊神經(jīng)網(wǎng)絡(luò)的研究中,參數(shù)學(xué)習(xí)問題具有很大的重要性.一般來說,對模糊神經(jīng)網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)問題可以轉(zhuǎn)化為對其目標(biāo)函數(shù)的優(yōu)化問題,即尋找一組合適的參數(shù)向量使其目標(biāo)函數(shù)值最優(yōu).目前,對模糊神經(jīng)網(wǎng)絡(luò)的權(quán)值或結(jié)構(gòu)進(jìn)行優(yōu)化的方法有兩類:一類是基于梯度向量的導(dǎo)數(shù)優(yōu)化方法;第二類方法是基于現(xiàn)代最優(yōu)化技術(shù)的非導(dǎo)數(shù)優(yōu)化方法,如遺傳算法、模擬退火算法等,其中以遺傳算法的研究最為突出.使用現(xiàn)代優(yōu)

2、化技術(shù)時(shí)不需要目標(biāo)函數(shù)的梯度向量,因此在解決復(fù)雜優(yōu)化問題時(shí)有更大的靈活性.模糊神經(jīng)技術(shù)和現(xiàn)代優(yōu)化技術(shù)的結(jié)合是計(jì)算智能的一個(gè)發(fā)展趨勢.該文在對以前的模糊神經(jīng)網(wǎng)絡(luò)參數(shù)學(xué)習(xí)算法進(jìn)行分析的基礎(chǔ)上,做了以下幾個(gè)方面的工作:1)根據(jù)禁忌搜索算法的特點(diǎn),在Jyh-Shing Roger Jang提出的ANFIS模型的基礎(chǔ)上,將禁忌搜索算法應(yīng)用于模糊神經(jīng)網(wǎng)絡(luò)線性和非線性參數(shù)的學(xué)習(xí)上,并將該模型用于單變量函數(shù)的逼近;2)在第一階段的基礎(chǔ)上,對算法進(jìn)行了改

3、進(jìn),使改進(jìn)后的算法能夠適用于復(fù)雜的函數(shù)逼近問題;3)根據(jù)計(jì)算機(jī)仿真的結(jié)果,對禁忌搜索算法的性能進(jìn)行了分析,并對該模糊神經(jīng)系統(tǒng)的函數(shù)逼近能力和泛化能力進(jìn)行了討論.4)對研究成果進(jìn)行了總結(jié)和展望.通過該文的研究可以看出,將禁忌搜索算法用在模糊神經(jīng)系統(tǒng)參數(shù)學(xué)習(xí)中具有很好的性能,該算法具有收斂概率高,收斂精度好等優(yōu)點(diǎn).訓(xùn)練后的模糊神經(jīng)系統(tǒng)具有良好的函數(shù)逼近能力和泛化能力.禁忌搜索算法和模糊神經(jīng)網(wǎng)絡(luò)的結(jié)合在控制、信號(hào)處理等領(lǐng)域具有廣闊的應(yīng)用前景.