【技术实现步骤摘要】
本专利技术涉及一种知识与数据混合驱动的二型模糊神经网络设计方法。属于人工智能
技术介绍
模糊理论和神经网络技术是近几年来人工智能研究较为活跃的两个领域,模糊神经网络就是模糊理论同神经网络相结合的产物,汇集了神经网络与模糊理论的优点,集学习、联想、识别、信息处理于一体。二型模糊与一型模糊相比,增强了系统描述和处理不确定性的能力,具有更大优势。当前,对于很多复杂生产过程和设备而言,建立精确机理模型是很困难的,但这些复杂研究对象每天都在产生大量数据。因此,通过数据驱动方法,有效利用大量离在线数据,实现对复杂生产过程和设备的建模、优化与控制已成为一大研究热点,其理论、方法及应用日益受到重视。但是,所得到的实际数据不可避免会受到人为因素的影响以及各类噪声的干扰,有时还会存在错误数据,这一系列不确定性因素的存在使得基于数据建立的系统模型的精度受到限制,对控制效果也会产生不利影响。
技术实现思路
本专利技术的目的是为克服上述现有技术的不足,提供一种知识在二型模糊神经网络中的嵌入方法,进而提供一种知识与数据混合驱动的二型模糊神经网络设计方法。为实现上述目的,本专利技术采用下述技术方案:知识在二型模糊神经网络中的嵌入方法,包括步骤:(A)归类总结常见知识,并将其分类为可规则化知识和难以规则化知识,两者分别进入步骤(B)和(C);(B)可规则化知识转化为结构约束,即以神经节点的方式直接嵌入二型模糊神经网络;(C)难以规则化知识通过满足二型模糊神经网络的参数的嵌入条件,形成参数约束公式,以参数约束的形式嵌入相关知识。步骤(A)中,所述常见知识包括经验知识、关于部分已知关 ...
【技术保护点】
知识在二型模糊神经网络中的嵌入方法,其特征在于,包括步骤:(A)归类总结常见知识,并将其分类为可规则化知识和难以规则化知识,两者分别进入步骤(B)和(C);(B)可规则化知识转化为结构约束,即以神经节点的方式直接嵌入二型模糊神经网络;(C)难以规则化知识通过满足二型模糊神经网络的参数的嵌入条件,形成参数约束公式,以参数约束的形式嵌入相关知识。
【技术特征摘要】
1.知识在二型模糊神经网络中的嵌入方法,其特征在于,包括步骤:(A)归类总结常见知识,并将其分类为可规则化知识和难以规则化知识,两者分别进入步骤(B)和(C);(B)可规则化知识转化为结构约束,即以神经节点的方式直接嵌入二型模糊神经网络;(C)难以规则化知识通过满足二型模糊神经网络的参数的嵌入条件,形成参数约束公式,以参数约束的形式嵌入相关知识。2.根据权利要求1所述的嵌入方法,其特征在于,步骤(A)中,所述常见知识包括经验知识、关于部分已知关系的语言描述、被辨识系统特性及要求以及被辨识系统局部行为知识;其中,被辨识系统特性及要求包括连续性、对称性、单调性、凹凸性和光滑性,被辨识系统局部行为知识包括插值点、极值点、边界、不动点和静态增益。3.根据权利要求1所述的嵌入方法,其特征在于,步骤(B)的方法是:以二型模糊规则刻画可规则化知识的输入输出关系,将知识诱导的规则直接嵌入二型模糊神经网络。4.根据权利要求1所述的嵌入方法,其特征在于,步骤(C)的方法是:通过对二型模糊神经网络的参数形成约束来实现知识的嵌入,分析二型模糊神经网络的输入输出关系表达式,并在此表达式的基础上进行理论分析,从而得到知识诱导的参数约束。5.根据权利要求1所述的嵌入方法,其特征在于,步骤(C)中所采用的二型模糊神经网络包括输入层、二型模糊化层、规则层、降型和输出层;具体如下:输入层分别为n个输入变量的取值x1,x2,…,xn;二型模糊化层将n个输入值进行二型模糊化,其中输入值xi的二型模糊集合为和二型模糊集合由步骤(B)中的可规则化知识诱导,二型模糊集合由后续结构自组织方法得到,i=1,2,…,n;规则层包括M条由知识所诱导的二型模糊规则和N条结构自组织方法得到的规则符号,分别赋值为:如果x1为x2为为那么输出值y为如果x1为x2为为那么输出值y为其中,为区间权重,s=1,…,M,t=1,…,N,M,N分别为由知识诱导的和由结构自组织得到的二型模糊规则数,二型模糊规则的激活强度分别记为其中X=(x1,…,xn);降型和输出层,采用Karnik-Mendel算法得输出值y(X)=ξ(X,θ)TW,其中,“T”表示向量转置,ξ(X,θ)为激活强度标准化...
【专利技术属性】
技术研发人员:李成栋,王丽,丁子祥,张桂青,尚芳,
申请(专利权)人:山东建筑大学,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。