針對模糊集理論在建模中對變化的外部環(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)系等問題，提出了一個具有基本模糊推理系統(tǒng)“IF-THEN”規(guī)則的多級離散模糊神經(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。最后通過計算機仿真驗證了該模型的有效性。
關(guān) 鍵 詞 多級離散模糊神經(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一些實驗數(shù)據(jù)中不確定性和模糊性問題上。模糊集理論提供了系統(tǒng)的、以語言表示這類信息的計算工具，通過使用由隸屬函數(shù)表示的語言變量，它還可以進行數(shù)值計算。合理選擇模糊規(guī)則是模糊推理系統(tǒng)的關(guān)鍵因素，它可以有效地對特定應(yīng)用領(lǐng)域中的人類專門知識進行建模。盡管模糊推理系統(tǒng)具有模糊IF-THEN格式的結(jié)構(gòu)化知識表示，但它仍缺少對變化的外部環(huán)境進行適應(yīng)的能力。而神經(jīng)網(wǎng)絡(luò)的根本優(yōu)點是對外部很強的適應(yīng)性和從過去數(shù)據(jù)中學(xué)習(xí)的機制[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)聚類和進化計算實現(xiàn)全局穩(wěn)定性。
1 基于規(guī)則的多級離散模糊神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性