高維數(shù)據(jù)的提前預(yù)測(cè)已成為現(xiàn)今的一個(gè)研究熱點(diǎn)。神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)是兩種常見的用于預(yù)測(cè)不確定性非線性函數(shù)的方法,但兩者都存在著某些缺陷;模糊系統(tǒng)缺乏自學(xué)習(xí)和自適應(yīng)能力;神經(jīng)網(wǎng)絡(luò)則是難于知識(shí)的表達(dá),同時(shí)其對(duì)數(shù)據(jù)的逼近能力受到其網(wǎng)絡(luò)結(jié)構(gòu)的限制。模糊神經(jīng)網(wǎng)絡(luò)是一種將模糊邏輯推理在知識(shí)性結(jié)構(gòu)方面的特點(diǎn)與神經(jīng)網(wǎng)絡(luò)在自學(xué)習(xí)能力方面的優(yōu)勢(shì)結(jié)合起來(lái)的一種局部逼近網(wǎng)絡(luò),處理解決了神經(jīng)網(wǎng)絡(luò)在模糊數(shù)據(jù)處理方面與模糊邏輯在學(xué)習(xí)方面的相關(guān)問(wèn)題,使其能更完善的處理非線性的相關(guān)問(wèn)題。在詳細(xì)介紹了模糊神經(jīng)網(wǎng)絡(luò)的相關(guān)理論及模型的基礎(chǔ)上,了解了模糊神經(jīng)網(wǎng)絡(luò)是由其規(guī)則層決定其輸出的學(xué)習(xí)機(jī)制,對(duì)數(shù)據(jù)的逼近能力取決于其網(wǎng)絡(luò)結(jié)構(gòu)與隸屬度函數(shù);當(dāng)處理高維非線性數(shù)據(jù)時(shí),模糊神經(jīng)網(wǎng)絡(luò)的規(guī)則層會(huì)變得復(fù)雜且龐大,將會(huì)嚴(yán)重影響模糊神經(jīng)網(wǎng)絡(luò)的運(yùn)算速度,降低網(wǎng)絡(luò)的運(yùn)算能力。本文將研究思路放在了對(duì)規(guī)則層的聚類分析上,通過(guò)聚類將規(guī)則層中所攜帶信息量較少的結(jié)點(diǎn)規(guī)為一類,并將這類結(jié)點(diǎn)全部轉(zhuǎn)化為零結(jié)點(diǎn),利用任何數(shù)與零相乘都為零的特性,來(lái)降低整個(gè)規(guī)則層的復(fù)雜度,形成一個(gè)新的更易計(jì)算的規(guī)則層。在具體的研究中對(duì)比了 K-means與模糊聚類兩種不同的聚類方法,通過(guò)... 

【文章來(lái)源】：安徽工業(yè)大學(xué)安徽省

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１技術(shù)路線圖??

圖２－１模糊邏輯系統(tǒng)??中可以看出，論域Ｕ上的點(diǎn)會(huì)通過(guò)模糊產(chǎn)生器會(huì)將論域Ｕ上的點(diǎn)映所需要的點(diǎn)，因而通過(guò)模糊產(chǎn)生器的集合Ｕ就會(huì)轉(zhuǎn)變成模糊集合，糊集合會(huì)通過(guò)模糊推理機(jī)，模糊推理機(jī)的運(yùn)行過(guò)程主要由模糊規(guī)則糊規(guī)則庫(kù)一般是由在這個(gè)問(wèn)題方面比較有權(quán)威的專家來(lái)制定，模糊糊推理機(jī)后得出來(lái)的就是我們想要的結(jié)果，但此時(shí)結(jié)果仍然處于一態(tài)，所以這時(shí)候就需要反模糊化器，反模糊化器此時(shí)將得到的模糊們所需要的非模糊化結(jié)果，這些就是一個(gè)模糊邏輯系統(tǒng)簡(jiǎn)化的工作經(jīng)網(wǎng)絡(luò)??網(wǎng)絡(luò)是人類在醫(yī)學(xué)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，通過(guò)大量的單元人工處理結(jié)可以解決非線性難題的自適應(yīng)處理系統(tǒng)。它是通過(guò)模仿自然神經(jīng)系展而來(lái)的，試圖設(shè)計(jì)出一種能具備如人腦一樣處理信息能力的智能對(duì)人工神經(jīng)網(wǎng)絡(luò)的研宄將進(jìn)一步加深對(duì)人腦神經(jīng)系統(tǒng)的認(rèn)識(shí)與了解。??使人工神經(jīng)網(wǎng)絡(luò)更近似于人類大腦信息處理的機(jī)理，人工神經(jīng)網(wǎng)絡(luò)基本屬性：??性。在我們自然界中物與物之間的關(guān)系多數(shù)都是呈現(xiàn)出非線性的特

弱就利用有向加權(quán)弧的權(quán)值來(lái)表示。許多學(xué)者將人工神經(jīng)網(wǎng)絡(luò)分為兩大類：前饋??型神經(jīng)網(wǎng)絡(luò)與反饋型神經(jīng)網(wǎng)絡(luò)，他們作出如此分類的理由主要是根據(jù)神經(jīng)網(wǎng)絡(luò)的??功能以及效果來(lái)分類的，其結(jié)構(gòu)簡(jiǎn)圖如圖２－２、圖２－３所示。??輸入結(jié)點(diǎn)??圖２－２前饋型網(wǎng)絡(luò)??每一個(gè)神經(jīng)元結(jié)點(diǎn)按從前到后的順序依次排列，并且后一個(gè)結(jié)點(diǎn)只接受前一??個(gè)結(jié)點(diǎn)的輸入，在這過(guò)程中既不存在著跨級(jí)輸入也不存在著輸出結(jié)果反過(guò)來(lái)影響??輸入過(guò)程中的參數(shù)，這樣的神經(jīng)網(wǎng)絡(luò)就稱之為前饋型神經(jīng)網(wǎng)絡(luò)，前饋型神經(jīng)網(wǎng)絡(luò)??也是整個(gè)神經(jīng)網(wǎng)絡(luò)世界中應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)。輸入單元和計(jì)算單位是這類??１２??


本文編號(hào)：2904272