本文關(guān)鍵詞：不確定性智能系統(tǒng)的模式攝動(dòng)和規(guī)則自動(dòng)獲取的研究

  更多相關(guān)文章： 人工智能 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) 模式攝動(dòng) 學(xué)習(xí)算法 遺傳算法 模糊控制規(guī)則

【摘要】： 不確定性普遍存在于主觀和客觀世界中,模糊性是它最重要的形式之一。不確定性人工智能是人工智能的深化和發(fā)展,現(xiàn)已經(jīng)成為人工智能研究的熱點(diǎn)和重大的前沿課題。而模糊邏輯系統(tǒng)和神經(jīng)網(wǎng)絡(luò)系統(tǒng)是不確定性人工智能的重要研究?jī)?nèi)容,在構(gòu)建許多不確定性智能系統(tǒng)時(shí),通常要為系統(tǒng)準(zhǔn)備先驗(yàn)知識(shí),比如模糊邏輯系統(tǒng)的已知規(guī)則和神經(jīng)網(wǎng)絡(luò)系統(tǒng)的訓(xùn)練模式。先驗(yàn)知識(shí)的不確定性引起了事物的復(fù)雜性和處理難度,這種不確定性從數(shù)學(xué)角度可以認(rèn)為是一種誤差,從動(dòng)力學(xué)角度可以認(rèn)為是一種攝動(dòng),有效獲取先驗(yàn)知識(shí)以及評(píng)估和控制先驗(yàn)知識(shí)的誤差對(duì)系統(tǒng)性能的影響已經(jīng)成為不確定性智能系統(tǒng)的重要研究?jī)?nèi)容。有效獲取先驗(yàn)知識(shí)已有很多工作,但始終沒有關(guān)鍵突破;評(píng)估和控制先驗(yàn)知識(shí)的誤差對(duì)系統(tǒng)性能的影響在傳統(tǒng)模糊推理和模糊神經(jīng)網(wǎng)絡(luò)方面取得了一定的進(jìn)展,但在一般神經(jīng)網(wǎng)絡(luò)還未開展,為此本文主要做了如下工作: (1)研究了訓(xùn)練模式攝動(dòng)對(duì)高斯型徑向基函數(shù)網(wǎng)絡(luò)性能的影響,指出了訓(xùn)練模式攝動(dòng)的常見情形,建立了相關(guān)的定義和引理,接著從理論上嚴(yán)格證明了對(duì)某些模式攝動(dòng)該網(wǎng)絡(luò)的輸出攝動(dòng)幅度不放大,并用MATLAB編寫了一個(gè)仿真實(shí)驗(yàn)應(yīng)證了該理論證明的結(jié)果,該部分工作為徑向基函數(shù)網(wǎng)絡(luò)的性能分析提供了一個(gè)新的研究點(diǎn),對(duì)訓(xùn)練模式的獲取過(guò)程能提供警示和指導(dǎo)。 (2)提出了一種基于遺傳算法的根據(jù)已知系統(tǒng)控制目標(biāo)自動(dòng)獲取模糊控制規(guī)則的方法。該方法與其他多種方法相比較,具有能根據(jù)系統(tǒng)的控制目標(biāo),自動(dòng)搜索獲得最優(yōu)(次優(yōu))模糊控制規(guī)則集的優(yōu)點(diǎn),并在倒立擺控制系統(tǒng)進(jìn)行了仿真應(yīng)用,具有較好的仿真效果。 最后本文對(duì)不確定性智能系統(tǒng)的一些研究問(wèn)題進(jìn)行了展望。
【關(guān)鍵詞】：人工智能 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) 模式攝動(dòng) 學(xué)習(xí)算法 遺傳算法 模糊控制規(guī)則
【學(xué)位授予單位】：長(zhǎng)沙理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2006
【分類號(hào)】：TP18
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-19
• 1.1 選題背景10-16
• 1.1.1 人工智能發(fā)展歷程10-11
• 1.1.2 不確定性人工智能概述11-15
• 1.1.3 已知規(guī)則和模式的不確定性發(fā)生的情形15-16
• 1.1.4 模糊控制的基本概述16
• 1.2 發(fā)展進(jìn)程與研究現(xiàn)狀16-18
• 1.2.1 不確定性人工智能的發(fā)展進(jìn)程16-17
• 1.2.2 模式攝動(dòng)的研究現(xiàn)狀17
• 1.2.3 用遺傳算法獲取模糊控制規(guī)則的研究現(xiàn)狀17-18
• 1.3 本文主要工作簡(jiǎn)介18-19
• 第二章 模式攝動(dòng)對(duì)高斯型徑向基函數(shù)網(wǎng)絡(luò)性能的影響19-37
• 2.1 徑向基函數(shù)網(wǎng)絡(luò)的基本原理19-27
• 2.1.1 基于插值理論的徑向基函數(shù)網(wǎng)絡(luò)19-24
• 2.1.2 基于核回歸估計(jì)的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)24-26
• 2.1.3 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的幾種特殊形式26-27
• 2.2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)中的幾種學(xué)習(xí)算法27-29
• 2.3 模式攝動(dòng)對(duì)高斯型徑向基函數(shù)網(wǎng)絡(luò)性能的影響29-36
• 2.3.1 相關(guān)定義及引理29-31
• 2.3.2 理論分析31-34
• 2.3.3 仿真實(shí)驗(yàn)34-36
• 2.4 本章小結(jié)36-37
• 第三章 一種基于遺傳算法的自動(dòng)獲取模糊控制規(guī)則的方法37-46
• 3.1 遺傳算法37-40
• 3.1.1 遺傳算法的基本原理37-38
• 3.1.2 遺傳算法的實(shí)現(xiàn)步驟38-40
• 3.2 模糊控制器的結(jié)構(gòu)和組成40-41
• 3.2.1 模糊控制器的結(jié)構(gòu)40
• 3.2.2 模糊控制器的組成40-41
• 3.3 模糊控制規(guī)則的建立方法41
• 3.4 利用遺傳算法的模糊系統(tǒng)優(yōu)化設(shè)計(jì)的描述41-42
• 3.5 利用遺傳算法優(yōu)化模糊控制規(guī)則42-44
• 3.6 仿真實(shí)驗(yàn)44-45
• 3.7 本章小結(jié)45-46
• 第四章 結(jié)論與展望46-48
• 4.1 結(jié)論46
• 4.2 展望46-48
• 參考文獻(xiàn)48-52
• 致謝52-53
• 附錄 攻讀學(xué)位期間發(fā)表論文及參加科研情況53-54
• 詳細(xì)摘要54-60

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 周小英,王華,姚伯威;遺傳算法在模糊控制規(guī)則優(yōu)化中的實(shí)現(xiàn)[J];電子科技大學(xué)學(xué)報(bào);2000年02期

2 陳明，，王靜;基于遺傳算法Fuzzy規(guī)則自動(dòng)獲取[J];大連理工大學(xué)學(xué)報(bào);1995年05期

3 莊凌,陳德釗,趙偉祥,張紅,胡上序;RBF-CSR方法及其應(yīng)用于裂解裝置建模的研究[J];高�；瘜W(xué)工程學(xué)報(bào);2002年01期

4 劉鎮(zhèn),李程遠(yuǎn);用遺傳算法優(yōu)化模糊控制規(guī)則[J];貴州工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);1999年05期

5 王士同,於東軍;徑向基神經(jīng)網(wǎng)絡(luò)的構(gòu)造理論[J];華東船舶工業(yè)學(xué)院學(xué)報(bào);1999年02期

6 周志華,陳世福;神經(jīng)網(wǎng)絡(luò)規(guī)則抽取[J];計(jì)算機(jī)研究與發(fā)展;2002年04期

7 王劍,沈理,巢菊芬;一種高效的模糊規(guī)則自動(dòng)生成方法[J];計(jì)算機(jī)研究與發(fā)展;1999年02期

8 武妍,施鴻寶;一種基于Rough　Sets和模糊神經(jīng)網(wǎng)絡(luò)的規(guī)則獲取的方法[J];計(jì)算機(jī)工程與應(yīng)用;1999年07期

9 盧濤,陳德釗;徑向基網(wǎng)絡(luò)的研究進(jìn)展和評(píng)述[J];計(jì)算機(jī)工程與應(yīng)用;2005年04期

10 肖平;馮久超;余英林;;多模式對(duì)模糊聯(lián)想記憶網(wǎng)絡(luò)的動(dòng)態(tài)學(xué)習(xí)算法[J];計(jì)算機(jī)科學(xué);1998年02期

本文編號(hào)：910867