模糊层次神经网络的学习算法.pdfVIP

清华大学学报(自I}!；科学版) 36／57 1998年第38卷 Journalo{TainghuaUniversity(Sci＆．Teeh)第s2期第123--126页 模糊层次神经网络的学习算法。 陈明，曲芳坤，王静 石油大学计算机科学与技术系，北京j02200； 中国科学院机器人学开放研究实验室，沈阳110015 摘要 本文基于模糊层次神经网络模型，提出了模期层次神经网络的比例学习算法。馍拟结 果表明利 该算法训练的模糊层次}申经网络具有较好的非逻辑归纳能力和特征抽取能力，并 且学习速度丈大加快。 关键词 摸蝴层次神经网络：比例学习：特征抽取 l 引言 控制器、Fuzzy矩阵求解、Fuzzy近似器和F1lz巧聚类等方面得到了应用。 直接依据误差反传(BP)算法训练模糊层次神经硎络存在训练时间长…“．学习代价大．难 以获得较满意的特征抽取的问题。本文提出1，一讪模糊层次神经网络的比例学习算法，用该算 法训练的模糊层次神经网络不仅特征抽取能力强，而且训练速度明显加}臭。 2模糊层次神经网络 模糊层次神经网络是指输入向量或(和)权向量为模糊向量的神经网络。一“具有2个输入 节点、H个稳层节点和1小输出节点的模糊层次7申经网络如图1昕示：”。其中)(=(x、．x，)7。 图t模糊层次神经网络 隐含层节点的输出为 输出层节点的输日5为 0．项net．) I≤JH (1) y=f(net) (3) net=X1W (2) net=O‘V (4) W』2(WIJ，W二J)3 O=(O、．O、．1．O。J Rx)=1／(1+exp(一q) V=(V，．V、…．V。) f{x／ji／(11exp(一x)) 式(I)和式佑1中运用了扩展原理 式(2)和式14)运用磺糊尊r进行运茸 +难上得到国京自然科学基金、国京$63高科攒基台、。二习科曼莩机器人学l=放研宄蛮转毫基盘和德国科学 鞋台会DFG羲盅资助。怍音陈明，教授．主要研宄领碗为钦0笋与舒布斗行计耸她艿坤。i士肼竞兰，置 要研究锁域为软计尊￡静．硕士讲师，主要研究颤域为取计算 )24 清华大学学报(自然科学版) 1998，38(s2) 3 Fuzzy反向传播学习算法 BP学习算法类似于传统的BP算法【4】，但由于模糊算子的存在．必须重新构造其误 Fuzzy 差函数。对于图1所示的Fuzzy前馈神经网络，其学习样本为仪．，T，)。其中x，为输入向 量l≤ln；T，为期望输出：Y，为实际输出。输入、权、输出及期望输出均采用三角模糊数。 若Ⅸ，“0，l】，l≤JJ，且0≤O： 误差函数为E“=6口I—Ei O!‘…‘口．…d，蔓1， l ， ， r ， 则各模糊数的d．截集分别为 ．其中E}2j(T；【aJ1一Y；【。』1)‘ x“扛，]≈[)(：[d，1，xi皿，】J Ei=÷(T；[0j卜Y；[a∥2 W“d，】=【W，1^Ioj】，W，s^b．】1 因此，(xf，T，)的误差函数为 、7』l【c‘．1。【Vj【旺』1，Vi[qJ1] ，