針對(duì)模糊集理論在建模中對(duì)變化的外部環(huán)境適應(yīng)能力差，以及基本神經(jīng)網(wǎng)絡(luò)模型不容易獲得模糊集之間關(guān)系等問(wèn)題，提出了一個(gè)具有基本模糊推理系統(tǒng)“IF-THEN”規(guī)則的多級(jí)離散模糊神經(jīng)網(wǎng)絡(luò)模型。分析了該模型的基本穩(wěn)定性條件，并使用硬C均值聚類方法獲得數(shù)據(jù)集之間的關(guān)系，采用遺傳算法優(yōu)化了該模型。最后通過(guò)計(jì)算機(jī)仿真驗(yàn)證了該模型的有效性。
關(guān) 鍵 詞 多級(jí)離散模糊神經(jīng)網(wǎng)絡(luò); 穩(wěn)定性; HCM聚類; 遺傳算法

模糊集理論用于在建模中針對(duì)一些實(shí)驗(yàn)數(shù)據(jù)中不確定性和模糊性問(wèn)題上。模糊集理論提供了系統(tǒng)的、以語(yǔ)言表示這類信息的計(jì)算工具，通過(guò)使用由隸屬函數(shù)表示的語(yǔ)言變量，它還可以進(jìn)行數(shù)值計(jì)算。合理選擇模糊規(guī)則是模糊推理系統(tǒng)的關(guān)鍵因素，它可以有效地對(duì)特定應(yīng)用領(lǐng)域中的人類專門(mén)知識(shí)進(jìn)行建模。盡管模糊推理系統(tǒng)具有模糊IF-THEN格式的結(jié)構(gòu)化知識(shí)表示，但它仍缺少對(duì)變化的外部環(huán)境進(jìn)行適應(yīng)的能力。而神經(jīng)網(wǎng)絡(luò)的根本優(yōu)點(diǎn)是對(duì)外部很強(qiáng)的適應(yīng)性和從過(guò)去數(shù)據(jù)中學(xué)習(xí)的機(jī)制[1-2]。
基本的神經(jīng)網(wǎng)絡(luò)兼有神經(jīng)網(wǎng)絡(luò)的“IF-THEN”規(guī)則。它的弊端是不能得到模糊集之間的關(guān)系。為解決它的不足，本文提出了一個(gè)離散模糊神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)使用硬C均值(HCM)聚類和進(jìn)化計(jì)算實(shí)現(xiàn)全局穩(wěn)定性。
1 基于規(guī)則的多級(jí)離散模糊神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性