双输入型模糊前向神经网络构建

《双输入型模糊前向神经网络构建》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、双输入型模糊前向神经网络构建摘要利用高斯型隶属函数作为隐层神经元激励函数，构建了四层模糊前向神经网络•根据从训练数据集中提取出的插值样本数量来确定隐层神经元个数.网络结构确定后，基于二元函数逼近论确定最优权值，得到双输入型近似插值神经网络，说明了最优权值的双输入型模糊前向神经网络的实现过程•计算机数值仿真实验表明所构建的网络在运行时间、逼近精度与去噪效果等方面是有效的，丰富了多输入神经网络的构建方法.关键词前向神经网络；高斯型隶属函数；权值直接确定；插值中图分类号TP183文献标识码A文章编号10002537(2013)03003306ConstructionofD

2、ualInputFuzzyFeedforwardNeuralNetworkYANGWenguang*,YANShoufeng,WENXiaoyan(DepartmentofBasicCourses,NorthChinaInstituteofScienceandTechnology,Beijing101601,China)AbstractBytheuseoftheGausstypemembershipfunctionasthehiddenlayerneuronactivationfunction,thefourlayerfuzzyneuralnetworkswerec

3、onstrueted.Accordingtotheextractedtrainingdatasetoftheinterpolatedsamples,thenumberofthehiddenlayerneuronwasdetermined.Firstly,thenetworkstructurewasconstrueted.Basedontheoptimalweightfrombinaryfunctionsapproximation,thedualinputtypeofapproximateinterpolationneuralnetworkswasreceived.T

4、hen,therealizationprocessoftheoptimalweightdualinputnetworkwasexplained・FinallythecomputerSimulationresultsshowthattheconstructednetworkiseffectiveatruntime,theapproximationaccuracyanddenoisingeffect,andmultiinputneuralnetworkconstructionmethodisrichened.Keywordsfeedforwardneuralnetwor

5、k；Gaussmembershipfunction；weightsdirectdetermination；interpolation目前，前向神经网络是应用最为广泛，研究最为成熟的一种人工神经网络模型.由于这种神经网络构造相对简单，且有效地解决了非线性目标函数的逼近问题，而被大量的应用于模式识别、系统辨识、信号处理和自动控制等学科领域中[13].与模糊系统的结合应用，使得作为神经网络构成要素的激励函数、网络结构、学习算法都随之发生改变•现在关于模糊前向神经网络的研究还较少，现有的一些文献，更多的停留在将二者进行简单地交叉，或是使用模糊数学的隶属函数作为前向神经网络的

6、激励函数，或是使用前向神经网络强大数据处理功能来解决未知系统的规则确定问题，这些工作未将二者有效的整合在一起•随着我们处理问题难度的加大和非线性因素的不断增多，问题的描述和求解变得越来越困难，未知系统内部蕴含的函数关系几乎不可能得到，但借鉴于人类在处理问题时所具有的学习和模仿的天赋，许多智能算法孕育而生•神经网络因其能够描述大量数据之间的复杂函数关系，并具有分布式存储、并行性计算等特点，而备受关注•上世纪九十年代，模糊系统和神经网络结合起来后产生了模糊神经网络，它既是神经网络的模糊化，更是模糊系统的神经网络化，可以说它是某种意义下的折中处理，它既减小了神经网络的计算

7、量，又增强了模糊系统的规则提取的便捷性•中山大学的张雨浓教授依据函数逼近理论，变换隐层神经元的激励函数，利用广义逆（伪逆）得到了隐层神经元最优权值直接确定算法，为研究高效高逼近精度的神经网络开辟了新的研究途径，奠定了扎实的理论和仿真实例基础［47］,但文［4〜6］涉及的处理多输入系统的算法或是过于复杂，或是在实时性要求方面有待提髙，或是没有较好的利用训练数据中一些可用数据•此外，文［8〜11］利用多项式函数构造了不同的三层前向神经网络，但构造也较为复杂且逼近精度较低•鉴于神经网络强大的数据处理能力，关于它的研究层出不穷，促使了新的交叉方向的出现[1214].模糊