湖南省教育厅科研基金(10B088)
- 作品数：6 被引量：16H指数：3
- 相关作者：曾水玲杨静宇徐蔚鸿更多>>
- 相关机构：长沙理工大学南京理工大学吉首大学更多>>
- 发文基金：湖南省教育厅科研基金国家自然科学基金博士科研启动基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于三角模的模糊联想记忆网络被引量：2
- 2013年
- 当T为t-模时,基于模糊取大和T的模糊联想记忆网络(FAM)存在局限性,当T为三角模,是t-模的广义形式,将这种FAM推广成基于Max-T的模糊联想记忆网络Max-TFAM.则Max-TFAM实现了从一个向量空间到另一向量空间的映射,从Max-TFAM的值域角度,分析了它的存储能力,并建立了一个三角模T的伴随蕴涵算子新概念,利用该伴随蕴涵算子,在无需T为连续的、严格增等条件下,提出了Max-TFAM的一个简洁的通用离线学习算法和通用在线学习算法.从理论上严格证明了只要Max-TFAM能完整可靠地存储所给的多个模式对,则这两种算法都能轻易找到使得网络能完整可靠存储这些模式对的所有连接权矩阵的最大者.最后,用实验证明了Max-TFAM模型和所提出的学习算法的有效性.
- 曾水玲徐蔚鸿杨静宇
- 关键词：三角模模糊联想记忆网络学习算法T-模
- 多重多维模糊推理算法的连续性和逼近性被引量：5
- 2012年
- 针对多重、多维模糊推理情形,细致地研究了几类模糊推理算法是否满足连续性和逼近性,并进一步讨论了这几类算法对逼近误差的传播性能。把模糊推理算法看成是一个模糊集合到另一个模糊集合的映射,选用海明距离作为两模糊集的距离度量方法,证明了在模糊假言推理和模糊拒取式推理情形,几类多重多维模糊算法都拥有连续性。当多重多维模糊算法满足还原性时就具有逼近性;该模糊算法都不会放大逼近误差。结果对构建模糊控制系统和模糊专家系统时选用和分析模糊推理算法有一定的指导作用。
- 曾水玲徐蔚鸿杨静宇
- 训练模式摄动对模糊形态学神经网络的影响
- 2011年
- 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。
- 曾水玲徐蔚鸿杨静宇
- 关键词：摄动鲁棒性
- 反向三I算法的连续性和误差传播被引量：4
- 2011年
- 对全蕴涵反向三I算法是否满足连续性问题进行了首次研究,并进一步讨论了这类算法对误差的传播性能.文中把模糊推理算法看成是一个模糊集合到另一个模糊集合的映射,选用海明距离作为两模糊集的距离,证明了在模糊假言推理和模糊拒取式推理情形,该算法都拥有连续性;其对误差的放大幅度为2.
- 曾水玲杨静宇徐蔚鸿
- 关键词：模糊推理模糊逻辑
- 一种模糊Hopfield网络的学习算法及性质被引量：3
- 2010年
- 现基于TL-模Max-TL模糊Hopfield网络(Max-TLFHNN)提出了一种有效的学习算法。对任意给定的模式集合,该学习算法总能找到使该模式集合成为Max-TLFHNN的平衡点集合的所有连接权矩阵中的最大者。任意给定的模式集合都能作为Max-TFHNN网络的平衡点集合且能使Max-TLFHNN对任意输入在一步内就进入稳定状态,同时该网络对训练模式的摄动具有好的鲁棒性。
- 曾水玲杨静宇徐蔚鸿
- 关键词：模糊HOPFIELD网络学习算法稳定性鲁棒性
- 模糊形态学双向联想记忆网络的性质被引量：3
- 2012年
- 为模糊形态学双向联想记忆网络(FMBAM)提出一个学习算法.在理论上证明只要存在使给定的模式对集合成为FMBAM的平衡态集合,则该学习算法总能计算出相应的最大连接权矩阵对.该最大连接权矩阵对能使FMBAM对任意输入在一步内就进入平衡态,并且神经网络全局收敛到平衡态.FMBAM的每个平衡态都是Lya-punov稳定的.当训练模式存在摄动时,利用该学习算法训练的FMBAM,对训练模式摄动拥有好的鲁棒性.
- 曾水玲徐蔚鸿杨静宇
- 关键词：学习算法稳定性收敛性鲁棒性
