模糊神经网络研究及其在模式识别中应用.pdfVIP

摘要 在众多的人工智能研究领域中，大多数研究侧重于多种智能识别方法的融合， 以改善识别的效果。伴随着人工智能技术的发展，越来越多的智能识别算法在模式 识别领域得到应用。模糊神经网络结合了处理不确定信息能力的模糊逻辑，以及具 备知识存储能力的神经网络两种技术，可有效发挥其各自的优势，并弥补其不足， 集学习、联想、识别、自适应及模糊信息处理于一体，提高整个系统的学习能力和 表达能力。用神经网络实现模糊推理过程可采用网络学习或聚类的方法从输入输出 数据中获取规则，然后在性能指标指导下，对规则进行自适应调整，从而实现模糊 系统的自学习、自适应功能。从而在模式识别和分类中具有独特的优势，将此技术 用于模式识别领域得到了很多专家的重视，是目前研究的一个热点。 模糊神经网络是以神经网络为基础建立起来的，针对这个特点将HopfieId神经 网络与亚当姆斯预测校正系统有效的结合，在此基础上提出了一种解决运输问题的 优化算法，该算法结合Ho呻eld神经网络优化功能，并根据运输问题的实际情况， 将优化运输问题转换成求解网络系统的平衡点，很好的解决了运输问题。同时，根 据亚当姆斯多步法思想提出一种基于多项动量项修改的神经网络参数调整方案，该 算法适用于多种fji『向神经网络。实验表明该方案可以根据