针对小脑模型神经网络(cerebellar model neural network,CMNN)中泛化能力与存储空间容量之间的冲突这一关键问题,提出了一种改进的小脑模型神经网络——模糊隶属度小脑模型神经网络(fuzzy membership cerebellar model neural network,...
详细信息
针对小脑模型神经网络(cerebellar model neural network,CMNN)中泛化能力与存储空间容量之间的冲突这一关键问题,提出了一种改进的小脑模型神经网络——模糊隶属度小脑模型神经网络(fuzzy membership cerebellar model neural network,FM-CMNN),用于解决非线性动态系统的时间序列预测问题.首先,FM-CMNN在保留原始CMNN输入变量的地址映射方式的情况下,在CMNN存储空间中引入铃型模糊隶属度函数,从而保证在不需增加量化级数的情况下提高网络的泛化能力.然后,使用梯度下降算法对网络权值进行更新,提高网络的逼近强度.最后,通过非线性时间序列预测基准实验和污水处理中水质参数预测实验,验证了FM-CMNN性能的可靠性.
小脑模型神经网络(cerebellar model neural network，CMNN)是一种模拟人脑条件反射快速做出联想的网络。CMNN的非线性逼近器对数据出现的次序不敏感，具有很强的非线性逼近能力和快速的学习速度，在实时性上表现优异。所以CMNN开始被...
详细信息
小脑模型神经网络(cerebellar model neural network，CMNN)是一种模拟人脑条件反射快速做出联想的网络。CMNN的非线性逼近器对数据出现的次序不敏感，具有很强的非线性逼近能力和快速的学习速度，在实时性上表现优异。所以CMNN开始被应用于非线性系统建模等领域，用于解决非线性系统指标的预测等问题。然而，CMNN空间单元在输入输出的映射函数表达的连续性上以及存储空间的参数学习的有效性方面的问题还需要解决，这在一定程度上影响了模型非线性建模的效率及其在建模领域应用方面的广泛性。因此，研究一种能够具备连续性输出的映射表达方式且参数学习算法更加有效的CMNN模型，具有重要的研究价值。 围绕以上研究问题，本文基于CMNN的计算原理分析，构建了一种基于自适应差分进化算法的交互递归模糊隶属度小脑模型神经网络(interactively recurrent fuzzy-membership cerebellar model neural network based on adaptive differential evolution，ADEIRFM-CMNN)。该模型结合模糊逻辑计算改变了传统CMNN输出表达不连续的情形，引用交互递归机制对其结构进行简化，设计自适应差分进化算法增强参数的学习能力。将其用于解决非线性基准实验和污水处理过程的预测等问题，设计并开发污水处理出水指标软测量软件，提高了网络非线性建模的能力和实用价值。 论文的研究内容及研究成果主要分为以下几点: (1)基于模糊隶属度的小脑模型神经网络设计研究。针对CMNN模型的输出易出现不连续且不能对一些定性的基本知识进行表述的问题，提出基于模糊隶属度的小脑模型神经网络(cerebellar model neural network based on fuzzy membership，FM-CMNN)自构造建模方法。使用FM-CMNN仿真基准非线性实验，实验结果表明，FM-CMNN具有很强的非线性拟合能力以及较高的预测精度。 (2)基于差分进化(differential evolution，DE)算法的交互递归FM-CMNN设计研究。针对FM-CMNN结构存储容量大、模型计算复杂度高，并且学习算法容易陷入局部极值的问题，提出基于差分进化算法的交互递归模糊隶属度小脑模型神经网络(interactively recurrent fuzzy-membership cerebellar model neural network based on differential evolution，DEIRFM-CMNN)。利用非线性基准实验验证DEIRFM-CMNN的有效性，结果表明，和其他预测方法相比，DEIRFM-CMNN具有更高的预测精度。 (3)基于自适应差分进化(adaptive differential evolution，ADE)算法的IRFM-CMNN设计。针对网络的DE学习算法随机初始种群质量较差，进化过程中受控参数不能进行自适应调整，导致网络非线性建模时间长、建模精度有待提升的问题，提出了基于自适应差分进化算法的交互递归模糊隶属度小脑模型神经网络(interactively recurrent fuzzy-membership cerebellar model neural network based on adaptive differential evolution，ADEIRFM-CMNN)。构建ADE算法，增强个体的多样性;然后，使用ADE算法更新IRFM-CMNN的参数，提高网络的训练水平。利用该网络对基准非线性实验和污水处理实验进行仿真。实验结果表明，该网络具有比较高的建模精度和较快的建模速度。 (4)基于ADEIRFM-CMNN的污水处理出水指标软测量软件的设计和开发。针对污水处理出水指标难以准确预测，难以实时观察和分析出水指标的变化趋势等问题，设计并开发了污水处理出水指标软测量软件。选择ADEIRFM-CMNN作为污水处理出水指标软测量模型，利用C#语言调用ADEIRFM-CMNN软测量模型的MATLAB程序，实现污水处理出水指标变化趋势的可视化，解决了出水指标难以准确测量的难题，从而保证了污水处理系统的平稳运行。
暂无评论