基于模糊超球的模糊神经网络初始参数设定

《基于模糊超球的模糊神经网络初始参数设定》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于模糊超球的模糊神经网络初始参数设定宗永升!邓佳!鲁浩胜"秦皇岛职业技术学院$河北秦皇岛"##’""(摘要"在人们常用到的模糊神经学习算法中很少讨论如何设置并调整初始的权值参数$这样就会影响模糊神经学习算法的准确度$使得目标函数值很大*虽然在改进的模糊神经学习算法中使用模糊+均值聚类方法来确定模糊规则的初始参数$但是这种方法必须已知模式集的数目$这就限制了模糊神经网络的应用范围*因此$将模糊超球神经网络的思想与模糊神经网络有机的结合起来$通过不断调整超球的中心和半径以及超球的数目$优化模式集的边界

2、$来确定权值参数$利用这种方法确定初始参数可以减小误差$提高算法的准确度$使目标函数值减小*关键词"模糊超球&超球扩张&目标函数中图分类号"!"#$%文献标识码"&文章编号"’(()*#(++,-((./-%*(’((*(%&01234561478!96":;52:<"2:25646:=>2=6?71@ABB<*6C366?;1D>2EEF;49G6A:7*8ABB?<1$45623@A;25B<23C<1D24E;EBE61FG6H

3、521I13J7A;25B<23C<1"##’""7+5;2

4、;23Q

5、M1$FBSSJ26E!N1MVE136E56M7<2C

6、HE;12’引言0B层与09层连接权值是超球的球心和半径%09层传递函数是由在我们常用到的模糊神经学习算法中!很少有讨论如何更合式AHL$G定义的模式隶属函数!半径储存在!M$维矩阵D中!球心理的设置权值参数"如模糊集的中心值#宽度等等$%而且对于大存处在!M,维矩阵F中&量的训练数据会包含有噪声数据!如果不经过处理就应用于网定义H)!络!会影响训练速度和效果!更严重的会使模糊神经网路陷入局0层节点的传递函数定义为)%N#!7O@"1N8PHLHG部极小值&’在模糊%均值聚类算法之上改善模糊规则(的

7、方法"#$其中@8是0@层的第"个节点%N是0;层的第N个节点&每个"&!’()*+!+,-.)/01223415+6+,+(7-8),97.+:),01223;<=+7,.0;层节点代表一种模式类!0;层结点输出值表示输入样本B?与%51.-+(8,>=+-?):$!是将%均值聚类算法于模糊规则相结合!但模式类N之间的隶属程度&1N8是@8与%N之间的连接权值!若超球是%均值聚类算法有很大的局限性!它要求必须已知模式集的数模糊集@8属于模式类%N!则1N8!$LK!否则1N8!KLK&目&在这里!

8、我们将超球神经网络与模糊集有机的结合来确定参数的初始值&首先!介绍一下模糊超球神经网络的概念&-模糊超球神经网络模糊超球神经网络聚类算法明确把神经网络与模糊其有机结合起来&模糊超球网络的主要思想是为每个模式集节点定义一个,维超球空间范围"称为全球隶属区$!模式集节点数由实际问题自适应形成!模糊超球神经网络在学习过程中不断调整超球的中心图’三层模糊超球聚类神经网络和半径以及超球的数目!以优化模式集的边界&%模糊超球神经网络的聚类算法定义$)该算法分为三部分)超球扩张%超