小波模糊大脑情感学习控制方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种小波模糊大脑情感学习控制方法、装置、终端设备和存储介质，方法包括：获取输入变量；通过小波函数将输入变量进行映射，得到模糊集合。根据预先建立模糊规则模拟大脑的感觉和情感的学习过程，通过自适应学习规律和监督学习方式更新杏仁核系统的模糊权重和脑前额叶系统的模糊权重。根据杏仁核系统的模糊权重和模糊集合的线性关系得到杏仁核系统的解模糊化算子以及根据脑前额叶系统的模糊权重以及模糊集合的线性关系得到脑前额叶系统的解模糊化算子。根据杏仁核系统的解模糊化算子以及脑前额叶系统的解模糊化算子，得到解模糊化输出结果，根据解模糊化输出结果，获得大脑情感学习控制模型的模拟结果并用于对实际事物的控制模拟。

【技术实现步骤摘要】
小波模糊大脑情感学习控制方法、装置、设备及存储介质
本专利技术涉及具有不确定性特征的非线性系统的辨识和控制领域，具体地涉及一种小波模糊大脑情感学习控制方法、装置、设备及存储介质。
技术介绍
近年来，模糊系统和神经网络已经被广泛应用于非线性系统的辨识和控制。模糊系统能描述和处理人的语言和思维中存在的模糊性，神经网络能模拟人脑的生理结构和信息处理过程，模仿人的智能是它们的共同目标和合作基础。但是对不确定性问题的模糊语言描述有限，对不确定系统信息的获取通常是有限的和不完整的，收敛性和精确度有待进一步提高且现有的神经网络模型忽略了人脑学习的情感因素，存在片面性。
技术实现思路
本专利技术提出一种小波模糊大脑情感学习控制方法、装置、设备及存储介质，本专利技术利用小波函数和模糊神经网络对传统大脑神经网络控制器进行了重构，利用大脑神经网络控制器、小波函数和模糊神经网络的优点来改善传统大脑神经网络控制器的学习控制能力。第一方面，本专利技术实施例提供一种小波模糊大脑情感学习控制方法，具体包括：获取输入变量；通过小波函数将所述输入变量进行映射，得到模糊集合；根据所建立的模糊规则模拟大脑的感觉和情感的学习过程，通过自适应学习规律和监督学习方式更新杏仁核系统的模糊权重和脑前额叶系统的模糊权重；根据所述杏仁核系统的模糊权重和所述模糊集合的线性关系得到杏仁核系统的解模糊化算子以及根据所述脑前额叶系统的模糊权重以及所述模糊集合的线性关系得到脑前额叶系统的解模糊化算子；根据所述杏仁核系统的解模糊化算子以及所述脑前额叶系统的解模糊化算子，得到解模糊化输出结果，根据所述解模糊化输出结果，获得大脑情感学习模型的模拟结果并用于对实际事物的模拟。进一步地，所述预先建立的小波模糊脑情感学习控制器的模糊规则为：杏仁核系统：thenuao＝vio(fori＝1,2,...,ni,o＝1,2,...,no)和脑前额叶系统thenupo＝wio(fori＝1,2,...,ni,o＝1,2,...,no)；在所述根据预先建立的小波模糊脑情感学习控制器的模糊规则模拟大脑的感觉和情感的学习过程，通过自适应学习规律和监督学习方式更新杏仁核系统的模糊权重和脑前额叶系统的模糊权重步骤之前，包括：预先设置杏仁核系统的初始模糊权重、初始学习率和情绪信号调整参数以及脑前额叶系统的初始模糊权重、初始学习率和情绪信号调整参数。进一步地，所述杏仁核系统的解模糊化算子计算公式为：脑前额叶系统的解模糊化算子计算公式为其中，ni是输入维数,si是第i个输入,vio是第o个输出的杏仁核模糊集合的权重值,wio第o个输出的所述脑前额叶模糊集合的权重值。进一步地，根据所述杏仁核系统的解模糊化算子以及所述脑前额叶系统的解模糊化算子，得到所述输出结果的计算公式为：yo＝ao-po。第二方面，本专利技术实施例提供一种小波模糊大脑情感学习控制装置，具体包括：获取模块，用于获取输入变量。映射模块，用于通过小波函数将所述输入变量进行映射，得到模糊集合；更新模块，用于根据所建立的模糊规则模拟大脑的感觉和情感的学习过程，通过自适应学习规律和监督学习方式更新杏仁核系统的模糊权重和脑前额叶系统的模糊权重。计算模块，用于根据所述杏仁核系统的模糊权重和所述模糊集合的线性关系得到杏仁核系统的解模糊化算子以及根据所述脑前额叶系统的模糊权重以及所述模糊集合的线性关系得到脑前额叶系统的解模糊化算子。输出模块，用于根据所述杏仁核系统的解模糊化算子以及所述脑前额叶系统的解模糊化算子，得到解模糊化输出结果，根据所述解模糊化输出结果，获得大脑情感学习模型的模拟结果并用于对实际事物的模拟。进一步地，包括：设置模块，用于预先设置杏仁核系统的初始模糊权重、初始学习率和情绪信号调整参数以及脑前额叶系统的初始模糊权重、初始学习率和情绪信号调整参数。进一步地，所述杏仁核系统的解模糊化算子计算公式为：脑前额叶系统的解模糊化算子计算公式为其中，ni是输入维数,si是第i个输入,vio是第o个输出的杏仁核模糊集合的权重值,wio第o个输出的所述脑前额叶模糊集合的权重值。进一步地，根据所述杏仁核系统的解模糊化算子以及所述脑前额叶系统的解模糊化算子，得到所述输出结果的计算公式为：yo＝ao-po。第三方面，本专利技术实施例提供一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置由所述处理执行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的一种小波模糊大脑情感学习控制方法。第四方面，本专利技术实施例提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第一方面所述的小波模糊大脑情感学习控制方法。实施本专利技术实施例，具有如下有益效果：1、通过模拟人类大脑学习过程，将小波函数与模糊脑情感学习控制器相结合，提出更适用于人脑学习机理的模糊规则库，构造新的性能更完善的小波模糊脑情感学习控制器结构，具有小波函数、模糊推理系统和脑情感神经网络的优点。2、本专利技术具有两个模糊规则系统(杏仁核模糊系统和脑前额叶模糊系统)，可以模拟大脑的感觉和情感的表达，相较于常规模糊神经网络增加了对情感的学习，能更详细地描述复杂的不确定的非平稳信号。3、通过对参数的自适应调节，提高模型自适应能力，获得更加快速的收敛性和更加良好的稳定性。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术提供的小波模糊大脑情感学习控制器的结构图。图2为本专利技术第一实施例提供的小波模糊大脑情感学习控制方法的流程示意图。图3为本专利技术第二实施例提供的小波模糊大脑情感学习控制装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参见图1，图1为本专利技术提供的小波模糊大脑情感学习控制器的结构图，本专利技术提供的小波模糊脑情感学习控制器(WaveletFuzzyBrainEmotionalLearningControl，WFBELC)，是一个模拟人的大脑对客观事物描述、学习过程的一个数学模型。小波模糊脑情感学习控制器由5个空间组成：1、输入空间，由输入变量组成。2、记忆空间，以小波函数为基函数为基函数构成。通过这一空间，将输入变量映射到大脑情感学习控制器的模糊集合中。3、权重空间，该空间包括杏仁核系统的模糊权重和脑前额叶系统的模糊权重。4、降解空间，降型和解模糊化的过程。根据线性变化关系，获得杏仁核系统的解模糊化算子，和脑前额叶系统的解模糊化算子。5、输出空间，小波模糊脑情感学习控制器的输出。本专利技术第一实施例：参见图2,图2为本专利技术第一实施例提供的小波模糊大脑情感学习控制方法的流程示意图。本专利技术实施例提供一种小波模糊大脑情感学习控制方法，具体包括以下步骤：S10，获取输入变量。获取杏仁核模糊系统和本文档来自技高网...

【技术保护点】
1.一种小波模糊大脑情感学习控制方法，其特征在于，所述方法包括：获取输入变量；通过小波函数将所述输入变量进行映射，得到模糊集合；根据预先建立的小波模糊脑情感学习控制器的模糊规则模拟大脑的感觉和情感的学习过程，通过自适应学习规律和监督学习方式更新杏仁核系统的模糊权重和脑前额叶系统的模糊权重；根据所述杏仁核系统的模糊权重和所述模糊集合的线性关系得到杏仁核系统的解模糊化算子以及根据所述脑前额叶系统的模糊权重以及所述模糊集合的线性关系得到脑前额叶系统的解模糊化算子；根据所述杏仁核系统的解模糊化算子以及所述脑前额叶系统的解模糊化算子，得到解模糊化输出结果，根据所述解模糊化输出结果，获得大脑情感学习控制模型的模拟结果并用于对实际事物的模拟。

【技术特征摘要】
1.一种小波模糊大脑情感学习控制方法，其特征在于，所述方法包括：获取输入变量；通过小波函数将所述输入变量进行映射，得到模糊集合；根据预先建立的小波模糊脑情感学习控制器的模糊规则模拟大脑的感觉和情感的学习过程，通过自适应学习规律和监督学习方式更新杏仁核系统的模糊权重和脑前额叶系统的模糊权重；根据所述杏仁核系统的模糊权重和所述模糊集合的线性关系得到杏仁核系统的解模糊化算子以及根据所述脑前额叶系统的模糊权重以及所述模糊集合的线性关系得到脑前额叶系统的解模糊化算子；根据所述杏仁核系统的解模糊化算子以及所述脑前额叶系统的解模糊化算子，得到解模糊化输出结果，根据所述解模糊化输出结果，获得大脑情感学习控制模型的模拟结果并用于对实际事物的模拟。2.根据权利要求1所述的小波模糊大脑情感学习控制方法，其特征在于，所述预先建立的小波模糊脑情感学习控制器的模糊规则为：杏仁核系统：thenuao＝vio(fori＝1,2,...,ni,o＝1,2,...,no)和脑前额叶系统thenupo＝wio(fori＝1,2,...,ni,o＝1,2,...,no)；在所述根据预先建立的小波模糊脑情感学习控制器的模糊规则模拟大脑的感觉和情感的学习过程，通过自适应学习规律和监督学习方式更新杏仁核系统的模糊权重和脑前额叶系统的模糊权重步骤之前，包括：预先设置杏仁核系统的初始模糊权重、初始学习率和情绪信号调整参数以及脑前额叶系统的初始模糊权重、初始学习率和情绪信号调整参数。3.根据权利要求1所述的小波模糊大脑情感学习控制方法，其特征在于，所述杏仁核系统的解模糊化算子计算公式为：脑前额叶系统的解模糊化算子计算公式为其中，ni是输入维数,si是第i个输入,vio是第o个输出的杏仁核模糊集合的权重值,wio第o个输出的所述脑前额叶模糊集合的权重值。4.根据权利要求1所述的小波模糊大脑情感学习控制方法，其特征在于，根据所述杏仁核系统的解模糊化算子以及所述脑前额叶系统的解模糊化算子，得到所述输出结果的计算公式为：yo＝ao-po。5.一种小波模糊大脑情感学习控...

【专利技术属性】
技术研发人员：赵晶，林志民，钟智雄，徐敏，
申请(专利权)人：厦门理工学院，
类型：发明
国别省市：福建,35