模糊灰色认知网络的建模方法及应用

2018年第7期

关键词:
模糊认知网络;灰色系统理论;Hebbian学习算法;终端约束

Keywords
Fuzzy cognitive networks(FCN);grey system theory;Hebbian learning;terminal constraint
摘要
     针对具有不确定性非线性系统的机理模型难以建立的问题,提出了基于模糊灰色认知网络(Fuzzy grey cognitive networks,FGCN)的非线性系统建模方法.该方法将模糊认知网络和灰色系统理论相结合,把模糊认知网络的节点状态值和权值扩展为灰色区间,引入灰度来评判可靠性.采用一种带终端约束的非线性Hebbian学习算法(Nonlinear hebbian learning,NHL)辨识FGCN的模型参数,引入了与FGCN模型中节点的系统实际测量值对应的灰数值,在更新机制中增加了包含系统测量值与预测值之差的修正项,对权值进行有监督的修正.利用水箱控制系统进行的仿真实验结果表明,本文提出的建模方法能解决对数据存在不确定性或缺失的复杂系统建模的难题,所建的模型能做出接近人类智能的控制决策,所采用的权值学习方法具有收敛速度快、学习结果精准等优点,并克服了传统非线性Hebbian算法对初始值依赖性强的缺点,对不确定性系统的建模具有广泛适用性.


本文地址:www.fabiao.net/content-15-280193-1.html

上一篇:俄苏科学技术哲学研究的又一里程碑——评《歧路中的探求——当代俄罗斯科学技术哲学研究》
下一篇:基于变分贝叶斯算法的线性变参数系统辨识

分享到: 分享模糊灰色认知网络的建模方法及应用到腾讯微博           收藏
评论排行
公告