训练模式摄动对模糊形态学神经网络的影响

2012年03月21日14:11:08 本网站我要评论(2)字号：T | T | T

曾水玲，徐蔚鸿，杨静宇
吉首大学数学与计算机科学学院，湖南吉首南京

理工大学计算机科学与技术学院，江苏南京

长沙理工大学计算机与通信工程学院，湖南长沙

摘　　　要：在构建神经网络时，采集的训练模式总存在摄动，如何度量这种摄动，提出模糊集摄动度量的新方法。众多学者研究的两类形态学联想记忆网络的存储能力和抗腐蚀／膨胀噪声的能力等性质几乎都相同，但基于这种模糊集摄动的度量方法，研究训练模式摄动对两类模糊形态学联想记忆网络的影响时发现，两类网络对训练模式摄动的鲁棒性差异很大，其中一类模糊形态学联想记忆网络对训练模式摄动拥有好的鲁棒性；而另一类模糊形态学联想记忆网络的这个性质较差。研究内容对形态学联想记忆网络的性能分析、学习算法的选择和训练模式获取设备精度的选择有一定的指导意义。

关　键　词：模糊形态联想记忆网络；摄动；训练模式；鲁棒性

１　引　言
模糊神经网络的训练模式在获取时总存在摄动［１～２］。这使得训练神经网络时所提供的训练模式和真实的模式总有一定的误差，就会产生忧虑：①这种误差如何来度量。②基于这种误差的训练模式集训练后的神经网络在工作时，网络的输出与实际应有的输出是否存在某种关系。在文献［１９］中涉及训练模式摄动的度量都是基于应明生教授提出的模糊集合的较大摄动［３４］这种度量方法。在模糊系统中训练模式或规则摄动对系统输出的影响，很多学者进行了广泛的研究［１９］。从不同角度来分析各类模糊系统基于模式摄动的鲁棒性，对不同的蕴涵算子和推理规则［２，６９］鲁棒性是基本不同，根据模糊集合的平稳性所有的鲁棒结果都可以公式化［６］。在本文中，将提出一种新方法来度量这种的摄动，并基于这种摄动的度量方法来分析训练模式摄动对模糊形态学联想记忆网络［１０～１４］（ｆｕｚｚｙｍｏｒｐｈｏｌｏｇｉｃａｌａｓｓｏｃｉａｔｉｖｅｍｅｍｏｒｉｅｓ，ＦＭＡＭ）的影响。

登录网站后可下载文件

训练模式摄动对模糊形态学神经网络的影响

相关阅读: