專利名稱：一種自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)及推理算法和學(xué)習(xí)算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及自動化控制領(lǐng)域，更具體地說，涉及一種自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)及推理算法和學(xué)習(xí)算法。
背景技術(shù)：
脈沖神經(jīng)膜系統(tǒng)(也叫脈沖神經(jīng)P系統(tǒng))是一種分布式并行計算模型，它是在膜計算的基礎(chǔ)上發(fā)展起來的，是脈沖神經(jīng)元特性與膜計算思想相結(jié)合的一種新模型。 脈沖神經(jīng)膜系統(tǒng)由于具有并行處理能力、易理解、同步性和非線性等特點而使其非常具有實用性，因此近年來為了充分利用脈沖神經(jīng)膜系統(tǒng)的優(yōu)點，提出了許多改進型的脈沖神經(jīng)膜系統(tǒng)，比如用來處理實際應(yīng)用中模糊知識表達和模糊推理的模糊脈沖神經(jīng)膜系統(tǒng)，它可以應(yīng)用到過程控制、專家系統(tǒng)、故障診斷等方面。但是，實際應(yīng)用中，過程控制、專家系統(tǒng)、故障診斷等應(yīng)用中的系統(tǒng)多數(shù)是動態(tài)系統(tǒng)，它們需要根據(jù)環(huán)境中輸入數(shù)據(jù)的變化而動態(tài)的調(diào)制自身的參以適應(yīng)環(huán)境的變化，而現(xiàn)有的模糊脈沖神經(jīng)膜系統(tǒng)因為缺乏這種自適應(yīng)調(diào)節(jié)能力(也就是學(xué)習(xí)能力)而只能處理這些應(yīng)用中的靜態(tài)問題，卻不能處理應(yīng)用中的動態(tài)問題。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)及推理算法和學(xué)習(xí)算法，以使模糊脈沖神經(jīng)膜系統(tǒng)能夠處理應(yīng)用中的動態(tài)問題。為實現(xiàn)上述目的，本發(fā)明提供了如下技術(shù)方案—種自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)，其具有如下結(jié)構(gòu)Π= (A, Np, Nr, syn, 1,0),其中，A = {a}為單字母集合，a表示一個脈沖；Np = { O pl, O p2,... , O pm}為命題神經(jīng)元集，O pi為第i個命題神經(jīng)元,I彡i彡m ;Nr= {orl, or2,... , oj為規(guī)則神經(jīng)元集，^為第i個規(guī)則神經(jīng)元，syn e (I XiVr)upVr χΛ、)表示命題神經(jīng)元和規(guī)則神經(jīng)元之間的連接關(guān)系，但在
兩個命題神經(jīng)元之間或兩個規(guī)則神經(jīng)元之間無連接關(guān)系；I e Np為輸入神經(jīng)元集；O e Np為輸出神經(jīng)元集。上述系統(tǒng)，優(yōu)選的，所述脈沖神經(jīng)元σ pi具有如下形式σ pi = ( a j, Qi, λ j, Ti),其中，α j e [O, I]為所述命題神經(jīng)元σ pi中的脈沖值；ωι=(ωη,ωα,...,ω^)為所述命題神經(jīng)元σ pi的輸出權(quán)值向量，ω Jj e [O, I]表示第j條輸出上的權(quán)值，I彡j彡Si, Si表示所述命題神經(jīng)元O pi上的輸出的個數(shù)；&表示激發(fā)規(guī)則，其表示形式為E/a° -aa, a e [O,I],E = {a為激發(fā)條件，Xi為激發(fā)閾值。上述系統(tǒng)，優(yōu)選的，所述脈沖神經(jīng)元σ η具有如下形式
={φ,,γ,α ,θ ),其中，φ, e [OJ]為所述規(guī)則神經(jīng)元σ H中的脈沖值；
Yi e
表示置信度，也表示所述規(guī)則神經(jīng)元σ η的輸出權(quán)值。Qi表示激發(fā)規(guī)則，其表示形式為E/a° — a' a，β e [O, I],E = {a彡τ J為激發(fā)條件，τ i為激發(fā)閾值。一種模糊推理算法，應(yīng)用如上所述的自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)，包括用所述自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)建立加權(quán)模糊產(chǎn)生式規(guī)則；依據(jù)所述加權(quán)模糊產(chǎn)生式規(guī)則生成推理規(guī)則；依據(jù)所述推理規(guī)則進行推理。上述算法，優(yōu)選的，所述加權(quán)模糊產(chǎn)生式規(guī)則的類型包括類型I : IF P1 THEN p2 ；類型2 :IF P1 AND p2 AND…AND pn THEN pn+1 ；類型3 :IF P1 OR p2 OR... OR pn THEN pn+1 ；其中,命題Pi, i = 1,2,......, n, n+1表示模糊命題。上述算法，優(yōu)選的，所述用自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)建立加權(quán)模糊產(chǎn)生式規(guī)則包括類型I :Π ! = (A, { σ ρ1，σ p2}，{ σ rl}, syn, 1,0)；類型2 :Π 2 = (A，{ σ pl，σ p2，...，σ pn，σ p(n+1)}，{ σ rl}，Syn，I，0);類型3 :Π 3 = (A, { σ pl，σ p2，…，σ pn，σ p(n+1)}，{ σ rl，σ r2，...，σ J，Syn，I，0)。上述算法，優(yōu)選的，所述推理規(guī)則包括
α,. γJfa, > τ類型I a, =I '；
—[OjJal <r
itη
CZai ^i)-YJfQ^ai ·ω,)>τ類型2 :αηΦΙ = j ,=1 1=1；
·ω,)< τ
. l=i
「 ^來糾 (Σκ)/(Σ以御,之We J類型3 crn+1 = ] ,JI PJ;
[ OJfai < TjJ =1,2... a其中，J是一個正整數(shù)集合,表示的是規(guī)則神經(jīng)元的個數(shù)?！N學(xué)習(xí)算法，應(yīng)用如上所述的模糊推理算法，包括步驟I :確定訓(xùn)練樣本及當(dāng)前權(quán)值，其中，所述訓(xùn)練樣本包括輸入樣本和理想輸出樣本；
步驟2 :依據(jù)當(dāng)前權(quán)值應(yīng)用所述模糊推理算法推理出當(dāng)前輸出，并依據(jù)所述當(dāng)前輸出與所述理想輸出樣本對所述當(dāng)前權(quán)值向量進行修正；步驟3:當(dāng)所述當(dāng)前輸出滿足預(yù)設(shè)的輸出條件時，輸出當(dāng)前權(quán)值向量；否則，執(zhí)行步驟2。上述算法，優(yōu)選的，所述依據(jù)當(dāng)前輸出與所述理想輸出樣本對所述當(dāng)前權(quán)值向量進行修正包括W (t+1) = W (t) +2 δ · e (t) · X (t), e (t) = y* (t) -y (t),其中，t為修正次數(shù)，ff(t+l)為修正后的當(dāng)前權(quán)值向量，ff(t)為當(dāng)前權(quán)值向量，δ為學(xué)習(xí)率，x(t)為當(dāng)前輸入樣本向量，/(t)為理想輸出樣本，y(t)為修正次數(shù)為t時的輸出樣本。 通過以上方案可知，本申請?zhí)峁┑囊环N自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)，通過設(shè)置兩類神經(jīng)元集，使得模糊脈沖神經(jīng)膜系統(tǒng)能夠進行推理，并具有學(xué)習(xí)能力，能夠處理應(yīng)用中的動態(tài)問題。


為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖I為本申請實施例提供的一種基于自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)的模糊推理算法的流程圖；圖2為本申請實施例提供的一種自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)的模型；圖3為本申請實施例提供的一種基于自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)的學(xué)習(xí)算法的流程圖；圖4為本申請實施例提供的對權(quán)值ω2的學(xué)習(xí)情況圖；圖5為本申請實施例提供的對權(quán)值ω4的學(xué)習(xí)情況圖。說明書和權(quán)利要求書及上述附圖中的術(shù)語“第一”、“第二”、“第三” “第四”等(如果存在)是用于區(qū)別類似的部分，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的本申請的實施例能夠以除了在這里圖示的以外的順序?qū)嵤?br> 具體實施例方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。本申請實施例提供的一種自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)的結(jié)構(gòu)定義為Π= (A, Np, Nr, syn, I, O),其中(I)A = {a}為單字母集合，a表示一個脈沖；
(2) Np = { σ ρ1, σ ρ2，…，σ _}為命題神經(jīng)元集，σ pi為第i個命題神經(jīng)元，I ^ i ^ m ；優(yōu)選的，所述脈沖神經(jīng)元σ pi可以具有如下形式Opi= ( a j, Qi, λ j, Ti),其中，a j e [O, I]為所述命題神經(jīng)元σ pi中的脈沖值，a j用來表示與命題神經(jīng)元σ pi相關(guān)的命題的模糊真值；ω,. =…)為所述命題神經(jīng)元Opi的輸出權(quán)值向量，ω Jj e [O, I]表示第
j條輸出上的權(quán)值，I彡j彡Si, Si表示所述命題神經(jīng)元σ pi上的輸出的個數(shù)；!Ti表示激發(fā)規(guī)則(或點火規(guī)則)，其表示形式為E/a° — a°, a e [O, I], E ={a ^ AJ為激發(fā)條件(或點火條件)，比如，當(dāng)α彡λ i時激發(fā)規(guī)則被使能，Ai e [O, I]為激發(fā)閾值。(3) Nr = {orl, σ r2, . . . , oj為規(guī)則神經(jīng)元集，Qri為第i個規(guī)則神經(jīng)元，I ^ i ^ η ；優(yōu)選的，所述規(guī)則神經(jīng)元集σ Η可以具有如下形式
權(quán)利要求
1.一種自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)，其特征在于，具有如下結(jié)構(gòu)
2.根據(jù)權(quán)利要求I所述的自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)，其特征在于，所述脈沖神經(jīng)元ο pi具有如下形式 OPi = (Cti, Wi, λ J, Ti), 其中， a i e [O, I]為所述命題神經(jīng)元σ pi中的脈沖值； ω, =co!S)為所述命題神經(jīng)元opi的輸出權(quán)值向量，Coij e [O, I]表示第j條輸出上的權(quán)值，I彡j彡Si, Si表示所述命題神經(jīng)元σ pi上的輸出的個數(shù)； A表示激發(fā)規(guī)則，其表示形式為E/aa — aa，a e
, E= {a ^ AJ為激發(fā)條件，λ i為激發(fā)閾值。
3.根據(jù)權(quán)利要求I或2任意一項所述的自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)，其特征在于，所述脈沖神經(jīng)元σ Η具有如下形式 ， φ, € [OJ j為所述規(guī)則神經(jīng)元σ η中的脈沖值； Yi e
表示置信度，也表示所述規(guī)則神經(jīng)元σ Η的輸出權(quán)值； Qi表示激發(fā)規(guī)則，其表示形式為E/Ve [O,I],E= {a ^ τ J為激發(fā)條件，τ i為激發(fā)閾值。
4.一種模糊推理算法，應(yīng)用如權(quán)利要求1-3任意一項所述的自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)，其特征在于，包括 用所述自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)建立加權(quán)模糊產(chǎn)生式規(guī)則； 依據(jù)所述加權(quán)模糊產(chǎn)生式規(guī)則生成推理規(guī)則； 依據(jù)所述推理規(guī)則進行推理。
5.根據(jù)權(quán)利要求4所述的算法，其特征在于，所述加權(quán)模糊產(chǎn)生式規(guī)則的類型包括 類型 I : IF P1 THEN p2 ；類型 2 :IF P1 AND p2 AND…AND pn THEN pn+1 ；類型 3 :IF P1 OR p2 OR... OR pn THEN pn+1 ； 其中，命題Pi, i = 1，2，......, n, n+1表示模糊命題。
6.根據(jù)權(quán)利要求5所述的算法，其特征在于，所述用自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)建立加權(quán)模糊產(chǎn)生式規(guī)則包括類型 I :n I = (A, { O ρ1,σ p2}，{ σ rl}，syn, 1,0)；類型 2 :Π 2 = (A, { σ pl,σ p2,…，σ ρη, σ ρ(η+1)}，{ σ rl}，syn, I, O)；類型 3 Π 3 — (A，{ σ pi，σ ρ2，…，0 ρη，0 ρ(η+1)1， 0 rl 0 r2，…，0 rrJ sYn I，〇)。
7.根據(jù)權(quán)利要求6所述的算法，其特征在于，所述推理規(guī)則包括
8.一種學(xué)習(xí)算法，應(yīng)用如權(quán)利要求4-7任意一項所述的模糊推理算法，其特征在于，包括 步驟I :確定訓(xùn)練樣本及當(dāng)前權(quán)值，其中，所述訓(xùn)練樣本包括輸入樣本和理想輸出樣本； 步驟2:依據(jù)當(dāng)前權(quán)值應(yīng)用所述模糊推理算法推理出當(dāng)前輸出，并依據(jù)所述當(dāng)前輸出與所述理想輸出樣本對所述當(dāng)前權(quán)值向量進行修正； 步驟3 :當(dāng)所述當(dāng)前輸出滿足預(yù)設(shè)的輸出條件時，輸出當(dāng)前權(quán)值向量；否則，執(zhí)行步驟2。
9.根據(jù)權(quán)利要求8所述的算法，其特征在于，所述依據(jù)當(dāng)前輸出與所述理想輸出樣本對所述當(dāng)前權(quán)值向量進行修正包括 W (t+1) = W (t) +2 δ · e (t) · X (t), e (t) = y*(t) -y (t), 其中，t為修正次數(shù)，W(t+1)為修正后的當(dāng)前權(quán)值向量，W(t)為當(dāng)前權(quán)值向量，δ為學(xué)習(xí)率，X(t)為當(dāng)前輸入樣本向量，/(t)為理想輸出樣本，y(t)為修正次數(shù)為t時的輸出樣本。
全文摘要
本發(fā)明實施例公開了一種自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)，其具有如下結(jié)構(gòu)∏＝(A，Np，Nr，syn，I，O)，其中，A＝{a}為單字母集合；Np＝{σp1，σp2，...，σpm}為命題神經(jīng)元集，σpi為第i個命題神經(jīng)元，1≤i≤m；Nr＝{σr1，σr2，...，σrn}為規(guī)則神經(jīng)元集，σri為第i個規(guī)則神經(jīng)元，1≤i≤n；表示命題神經(jīng)元和規(guī)則神經(jīng)元之間的連接關(guān)系，但在兩個命題神經(jīng)元之間或兩個規(guī)則神經(jīng)元之間無連接關(guān)系；I∈Np為輸入神經(jīng)元集；O∈Np為輸出神經(jīng)元集，本申請?zhí)峁┑囊环N自適應(yīng)模糊脈沖神經(jīng)膜系統(tǒng)，通過設(shè)置兩類神經(jīng)元集，使得模糊脈沖神經(jīng)膜系統(tǒng)能夠進行推理，并具有學(xué)習(xí)能力，能夠處理應(yīng)用中的動態(tài)問題。
文檔編號G06N3/02GK102831477SQ20121033878
公開日2012年12月19日 申請日期2012年9月13日 優(yōu)先權(quán)日2012年9月13日
發(fā)明者王軍, 彭宏, 涂敏 申請人:西華大學(xué)