一种模糊高斯基神经网络在数值逼近上的仿真.pdfVIP

134 计算机技术与应用进展·2006 一种模糊高斯基神经网络在数值逼近上的仿真 李睿李明军 大庆石油学院电气院自动化系大庆163318 摘要：本文结合模糊控制和神经网络各自的优点 设计了一种改进的基于高斯基的模糊神经网络 逼近器，用于对所研究的系统进行逼近。经仿真验证 该方法能够达到比较满意的效果。 关键词：模糊神经网络高斯基函数数值逼近 Iz：：l 在复杂系统的建模中，比较常用的有如文献【1】的神经网络方法或其他文献所用的模糊逻辑方法。但模 糊规则是由对所要解决问题具有丰富经验的专业人员以语言方式表达出来的，专业人员对于问题认识的深 度和综合能力，直接影响到模糊控制系统工作性能的好坏。另外，模糊控制系统不能适应控制过程的变化， 影响控制效果，而神经网络具有在线调整韵能力。根据模糊逻辑技术和神经网络技术各自的优点，将模糊 技术和神经网络有机结合起来，组成模糊神经网络控制系统，可实现模糊规则自动提取、模糊隶属函数自 动生成以及在线调节参数“1。因此，本文采用了一种基于高斯基模糊神经网络的融合方法，它不依赖于系 统的精确数学模型，能够完成所要求的数值逼近任务。 2模糊高斯基神经网络的设计 2．1网络结构 构如为：共有四层，分别是输入层、隶属函数层、推理层和反模糊化层。输入层由P个节点组成，隶属函 数层的每个输入节点被划分为m个词集，m是根据K．means方法对输入样本进行聚类后得到的，推理层 有m个节点，反模糊化层是推理层的加权求和输出。输入样本是Ⅳ组向量： X-=【Jl，x2，·．．，x口lT，H=1，·一，N (1) 它的各分量J．，i=I，…，P为语言变量，其对应的语言变量值集合和隶属函数集合为： T(x。)=f砭，瑶，…，璎l，i=1，…，P (2) M(xf)={肘：，J】If：，…，|!If：l，i=l，…，P (3) 采用的隶属函数为高斯型函数，如下所示： 驯-e坤c_半J (4) i=1，-一P，J=1，·一，m 其中a。为中心，b。为宽度。 2．2网络各层输入输出描述 改进的模糊神经网络为一个四层网络。分别是，第一层将输入引入网络；第二层为输入变量的模糊化， 采用的隶属函数为高斯函数；第三层对应模糊推理，用乘积表示模糊与操作；第四层对应去模糊化操作。 其中推理层结点个数m是根据K．means方法对样本聚类后而得到的，并可依实际需要调整此参数的值。网 络的输入输出关系如下： 第一层，输入变量直接到达下一层 输入：F’=t，i=1，…，P；输出：叫”；‘，i=1，…，P。 第二层，隶属函数生成层 第三层，推理层 输入：，j3)=嘴’-o孑…··碟’，J=1，…，m；输出：D尹=，尹。 第四层，反模糊化层 输入：，H’=∑D：”Wf；输出：0”’=∥’。 五。 。 上述公式中，，‘o(f=1,2，3，4)表示第f层的输入， a。bv(i=1，…，P，，=l，…，m)分别为高斯基 神经网络输出为 ∑wf辞” Y=鼍_ (5) ∑叫” i=l 其中科”=o≯o妒…D挈，0。1为第二层的输出。而该网络的输出为