遗传神经网络的综合进化研究
论文在目前关于神经网络、模糊逻辑、遗传算法三种计算智能相互结合的研究基础上,提出了一种基于遗传原理的二阶段神经网络综合进化算法.论文还针对实际对象的特性大都不对称的现象,研究了模糊神经网络隶属度函数的改进问题,提出采用不对称高斯函数来替代高斯函数以改进模糊神经网络性能的方法,并引入遗传算法来对模糊推理层与清晰化层之间的连接权,以及模糊化层的隶属度函数(不对称高斯函数)的中心点c和左右半径σ1、σ2同时进行学习.仿真结果显示,具有不对称隶属函数的模糊神经网络与较之普通模糊神经网络具有更高的精度.研究表明,神经网络中的激励函数和模糊神经网络的隶属函数与仿真对象的非线性特征有着密切的关系,它们的选择,组合,改进对网络的性能有显著的影响,是研究神经网络理论的一个重要方面.
遗传算法;激励函数;模糊神经网络;不对称高斯函数
北京化工大学
硕士
控制理论与控制工程
李宏光
2001
中文
TP183
60
2004-04-08（万方平台首次上网日期，不代表论文的发表时间）