針對模糊神經(jīng)網(wǎng)絡(luò)不能同時處理隨機(jī)性和模糊性且人為影響嚴(yán)重等問題,提出采用云模型進(jìn)行不確定性表達(dá),建立云模糊神經(jīng)網(wǎng)絡(luò)模型。針對黃金分割法的誤差問題,提出使用高斯擬合算法計算云模型的數(shù)字特征。利用云模型計算屬性的確定度,作為隸屬函數(shù);使用改進(jìn)的"軟與"算法完成云規(guī)則生成及匹配;通過云模型對BP算法進(jìn)行優(yōu)化,避免出現(xiàn)局部最優(yōu)解;根據(jù)輸出數(shù)值及確定度判斷數(shù)據(jù)所屬類別。實驗結(jié)果表明,云模糊神經(jīng)網(wǎng)絡(luò)對不確定性的處理具有更高的準(zhǔn)確性。 

【文章來源】：現(xiàn)代電子技術(shù). 2020年17期 北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

多規(guī)則推理圖

云模糊神經(jīng)網(wǎng)絡(luò)的構(gòu)建思想為：將云模型引入到模糊神經(jīng)網(wǎng)絡(luò)，使其可同時處理模糊性和隨機(jī)性，同時，確定度的計算過程是不確定的，使其替換人為確定的隸屬函數(shù)，降低人為因素的干擾。在進(jìn)行邏輯軟計算時，利用云發(fā)生器構(gòu)造不確定性推理，以解決模糊神經(jīng)網(wǎng)絡(luò)推理過程中不確定性的傳遞問題。云模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分為六層：輸入層、云化確界層、規(guī)則層、隱含層、逆云化層、輸出層。其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖2所示。1）輸入層：負(fù)責(zé)將數(shù)據(jù)X=(x1,x2,…,xn)傳遞給云化層。其節(jié)點(diǎn)數(shù)量由影響輸出結(jié)果的屬性數(shù)量決定。

根據(jù)數(shù)據(jù)集輸出結(jié)果可知，CM-FNN預(yù)測的葡萄酒質(zhì)量等級為某一質(zhì)量區(qū)間內(nèi)的隨機(jī)值，而不是嚴(yán)格按數(shù)字劃分，各等級之間無明確的邊界。CM-FNN的輸出結(jié)果為帶有確定度的云滴，即帶有確定度的質(zhì)量等級。將所有預(yù)測結(jié)果生成預(yù)測云模型，并與葡萄酒質(zhì)量等級云模型對比，預(yù)測云模型可作為質(zhì)量等級的綜合云，如圖3所示。由圖3可知，預(yù)測云模型為三朵質(zhì)量等級云的概念躍升，當(dāng)xi∈(3,4)且μi∈(0,0.236)時，葡萄酒質(zhì)量等級為低質(zhì)量；當(dāng)xi∈(4,6)且μi∈(0.236,1)時，葡萄酒質(zhì)量等級為中等質(zhì)量；當(dāng)xi∈(6,8)且μi∈(0,0.80)時，葡萄酒質(zhì)量等級為高質(zhì)量。

【參考文獻(xiàn)】：
期刊論文
[1]基于正態(tài)灰云模型的裝備維修保障系統(tǒng)效能評估[J]. 王雙川,賈希勝,胡起偉,王強(qiáng).  系統(tǒng)工程與電子技術(shù). 2019(07)
[2]基于不確定性云推理的刀具磨損量預(yù)測方法[J]. 郝偉,蔣琪,張宇.  機(jī)床與液壓. 2018(10)
[3]基于云推理模型的深度強(qiáng)化學(xué)習(xí)探索策略研究[J]. 李晨溪,曹雷,陳希亮,張永亮,徐志雄,彭輝,段理文.  電子與信息學(xué)報. 2018(01)
[4]基于云神經(jīng)網(wǎng)絡(luò)自適應(yīng)逆系統(tǒng)的電力系統(tǒng)負(fù)荷頻率控制[J]. 吳忠強(qiáng),張偉,李峰,杜春奇.  電力自動化設(shè)備. 2017(11)
[5]基于構(gòu)造型云神經(jīng)網(wǎng)絡(luò)的電磁環(huán)境評估方法[J]. 馮彥卿,王倫文.  計算機(jī)工程與應(yīng)用. 2017(16)
[6]云過程神經(jīng)網(wǎng)絡(luò)模型及算法研究[J]. 王兵,李盼池,楊冬黎,于曉紅.  電子與信息學(xué)報. 2015(01)
[7]基于模糊粗糙集與改進(jìn)聚類的神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測[J]. 劉興杰,岑添云,鄭文書,米增強(qiáng).  中國電機(jī)工程學(xué)報. 2014(19)
[8]基于權(quán)重的云推理算法[J]. 楊超,燕雪峰,張潔,周勇.  計算機(jī)應(yīng)用. 2014(02)



本文編號：2952719