模糊神经网络系统在微波效应数据处理中的应用.pdfVIP

　第 14 卷　第 2 期 强 激 光 与 粒 子 束 . 14, . 2　 V o l N o 　2002 年 3 月 H IGH POW ER LA SER AND PA R T ICL E BEAM S M ar. , 2002　 文章编号: (2002) 模糊神经网络系统在微波效应 数据处理中的应用 方进勇, 　王建国, 　乔登江 ( 西北核技术研究所, 陕西 西安 710024) 　　摘　要: 　描述了建立神经网络驱动的模糊系统的基本过程, 结合部分微波效应数据建立了一个小 型的效应预测评估模型。对应于学习样本, 给出了网络输出值与样本输出真实值的比对情况, 并对部分 非学习样本输出值进行了预测, 由对比情况可知, 网络系统基本能够再现原始数据的真实面貌, 并能对 未知事件有一定的预测能力, 作为一种效应数据处理方法, 模糊神经网络系统具有一定的潜在应用价 值。 　　关键词: 　模糊神经网络系统; 　高功率微波效应 　　中图分类号: 　 015　　　　文献标识码: 　 TN A 　　高功率微波 (H PM ) 效应研究是H PM 技术的重要组成部分, 当前效应研究已经进行多年, 获得了 大量的有效数据, 及时对这些效应数据进行分析和总结有利于及时发现效应规律, 探索效应机理。人工 神经网络和模糊系统都是当今智能控制领域的热门工具, 它们已在智能控制、模糊识别、信号处理、计算 机视觉、优化计算、知识处理、生物医学工程等多个领域得到广泛应用, 本文将其应用于H PM 效应数据 处理中, 目的在于验证这种方法的可行性与有效性, 为高功率微波效应数据处理探索更加科学有效的方 法。 1　模糊神经网络系统通用形式简介 　　模糊神经网络系统是神经网络和模糊理论典型 的结合, 如图 1 所示的模糊系统中, 共有 + 1 个神 R 经网络, 其中 ～ 分别表示 条规则的结论 NN 1 NN R R 部分中的函数f i (x ) , 而NN m f 则表示每条规则对于 输入X 的适用度, 模糊系统的输出由下式决定 R y = g ( 1) ∑j j j = 1 式中: g j 为网络NN j 的输出。建立如图所示的模糊 系统, 需要做三个方面的工作: ( ) 　　 1 决定模糊规则的个数 ; m ( ) 　　 2 获取计算规则适用度的神经网络NN m f; . 1　 F ig N euro fuzzy system ( ) 图 1　基于神经网络的模糊系统