[發(fā)明專利]區(qū)間值型直覺模糊小腦神經(jīng)網(wǎng)絡(luò)模型

在審

• 申請?zhí)枺?/td>: 201610858414.7
• 申請日: 2016-09-28
• 公開（公告）號: CN106650921A
• 公開（公告）日: 2017-05-10
• 發(fā)明（設(shè)計(jì)）人: 趙晶;林志民;張達(dá)敏;黃江茵
• 申請（專利權(quán)）人: 廈門理工學(xué)院
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06N3/04
• 代理公司: 廈門智慧呈睿知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)35222
• 代理人: 魏思凡

技術(shù)領(lǐng)域

本發(fā)明涉及一種區(qū)間值型直覺模糊小腦神經(jīng)網(wǎng)絡(luò)模型。

背景技術(shù)

小腦神經(jīng)網(wǎng)絡(luò)模型(CMAC-Cerebellar Model Articulation Controller)是一種表達(dá)復(fù)雜非線性函數(shù)的表格查詢型自適應(yīng)神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)可通過學(xué)習(xí)算法改變表格的內(nèi)容，具有信息分類存儲的能力。CMAC已被公認(rèn)為是一類聯(lián)想記憶網(wǎng)絡(luò)的重要組成部分，能夠?qū)W習(xí)任意多維非線性映射，CMAC算法被證明可有效地用于非線性函數(shù)逼近、動(dòng)態(tài)建模、控制系統(tǒng)設(shè)計(jì)等。

然而，現(xiàn)有的小腦神經(jīng)網(wǎng)絡(luò)模型采用傳統(tǒng)的模糊集合，對不確定性問題的模糊語言描述有限，精確度不夠；另外，現(xiàn)有小腦神經(jīng)網(wǎng)絡(luò)模型還具有收斂性和精確度有待進(jìn)一步提高、計(jì)算量大、模型降型過程復(fù)雜等缺點(diǎn)。

發(fā)明內(nèi)容

本發(fā)明提供一種區(qū)間值型直覺模糊小腦神經(jīng)網(wǎng)絡(luò)模型，可有效解決上述問題。

一種區(qū)間值型直覺模糊小腦神經(jīng)網(wǎng)絡(luò)模型，所述區(qū)間值型直覺模糊小腦神經(jīng)網(wǎng)絡(luò)模型包括按照邏輯順序連接的輸入空間聯(lián)想記憶空間規(guī)則空間權(quán)重空間降解空間以及輸出空間O，其中，所述輸入空間由區(qū)間值型直覺模糊規(guī)則的輸入變量組成；所述聯(lián)想記憶空間為由基函數(shù)構(gòu)成的區(qū)間值型直覺模糊規(guī)則的前件組成；所述規(guī)則空間表示為其中所述權(quán)重空間為對應(yīng)區(qū)間值型直覺模糊規(guī)則的后件組成；所述降解空間為根據(jù)w_jko r_jk的線性變化的關(guān)系獲得的解模糊化算子其中，所述輸出空間O為多維區(qū)間值型直覺模糊小腦神經(jīng)網(wǎng)絡(luò)模型的輸出O_o＝a×y_o⁺+b×y_o^-，其中a、b為常數(shù)。

作為進(jìn)一步改進(jìn)的，所述數(shù)據(jù)樣本是基于區(qū)間值型的直覺模糊集合。

作為進(jìn)一步改進(jìn)的，所述基函數(shù)為高斯函數(shù)、三角函數(shù)或鐘型函數(shù)。

作為進(jìn)一步改進(jìn)的，所述多維區(qū)間值型直覺模糊小腦神經(jīng)網(wǎng)絡(luò)模型的模糊規(guī)則為：

for i＝1，2，…，n_i，j＝1，2，…，n_j，k＝1，2，…，n_k，λ＝1，2，…，n_λ，and o＝1，2，…，n_o

其中：R^λ是第λ條區(qū)間值型直覺模糊規(guī)則,是第λ條區(qū)間值型直覺模糊規(guī)則的第i個(gè)直覺模糊區(qū)間輸入變量,是第λ條區(qū)間值型直覺模糊規(guī)則的前件部分，與第j層、第k個(gè)模塊的第i個(gè)輸入相對應(yīng),是第λ條區(qū)間值型直覺模糊規(guī)則的第o個(gè)網(wǎng)絡(luò)輸出,是第λ條區(qū)間值型直覺模糊規(guī)則的后件部分，n_i是輸入變量維數(shù)，n_j是小腦神經(jīng)網(wǎng)絡(luò)的層數(shù),n_k是每一層的模塊數(shù),n_o是輸出維數(shù)。

作為進(jìn)一步改進(jìn)的，當(dāng)“隸屬度＝1-非隸屬度”時(shí)，區(qū)間值型直覺模糊小腦神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)可轉(zhuǎn)化成傳統(tǒng)的1型模糊小腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)形式。

作為進(jìn)一步改進(jìn)的，當(dāng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)n_j＝1，n_k＝1時(shí)，區(qū)間值型直覺模糊小腦神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)可轉(zhuǎn)化成區(qū)間值型直覺模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)形式。

作為進(jìn)一步改進(jìn)的，當(dāng)直覺模糊集合的猶豫度為0，且網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)所有層的基函數(shù)個(gè)數(shù)n_b＝1時(shí)，區(qū)間值型直覺模糊小腦神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)可轉(zhuǎn)化成1型模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)形式。

本發(fā)明提供的所述區(qū)間值型直覺模糊小腦神經(jīng)網(wǎng)絡(luò)模型，具有以下優(yōu)點(diǎn)：

1、將模糊小腦神經(jīng)網(wǎng)絡(luò)與Atanassov的直覺模糊集相結(jié)合，提出符合此架構(gòu)的模糊規(guī)則庫，構(gòu)造新的性能更完善的MIMO模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；

2、網(wǎng)絡(luò)結(jié)構(gòu)的參數(shù)可以靈活設(shè)置和選擇，通過結(jié)構(gòu)參數(shù)的選擇，可以將該模型的結(jié)構(gòu)簡化成其他模式的結(jié)構(gòu)形式，如模糊神經(jīng)網(wǎng)絡(luò)、區(qū)間型模糊神經(jīng)網(wǎng)絡(luò)和小腦神經(jīng)網(wǎng)絡(luò)等，在模型結(jié)構(gòu)上具有一定的廣義性；

3、根據(jù)參數(shù)線性關(guān)系，避免采用傳統(tǒng)的模型降型算法KM算法，減少了模型降型、解模糊化過程的計(jì)算量；

4、通過對參數(shù)的自適應(yīng)調(diào)節(jié)，提高模型自適應(yīng)能力，獲得更加快速的收斂性和更加良好的穩(wěn)定性。

附圖說明

圖1為本發(fā)明實(shí)施例提供的多維區(qū)間值型直覺模糊小腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖。

具體實(shí)施方式