微电子学与计算机
微電子學與計算機
미전자학여계산궤
MICROELECTRONICS & COMPUTER
2005年
7期
116-119
,共4页
专家系统%模糊处理%径向基函数网络%推理算法%变学习率因子
專傢繫統%模糊處理%徑嚮基函數網絡%推理算法%變學習率因子
전가계통%모호처리%경향기함수망락%추리산법%변학습솔인자
传统专家系统的模糊知识规则库比较简单,系统在推理过程中几乎不能获得新知识,不能进行推理自学习,当系统遇到复杂并行综合模糊规则时,推理机制几乎无法实现.所以将复杂模糊规则进行正向推理处理就显得重要,并将处理后的规则前件作为神经网络的输入,结合径向基函数网络的优点建立新的模糊推理机,并通过推理迭代次数n的变化来改变学习率因子的方法进行网络推理自学习.
傳統專傢繫統的模糊知識規則庫比較簡單,繫統在推理過程中幾乎不能穫得新知識,不能進行推理自學習,噹繫統遇到複雜併行綜閤模糊規則時,推理機製幾乎無法實現.所以將複雜模糊規則進行正嚮推理處理就顯得重要,併將處理後的規則前件作為神經網絡的輸入,結閤徑嚮基函數網絡的優點建立新的模糊推理機,併通過推理迭代次數n的變化來改變學習率因子的方法進行網絡推理自學習.
전통전가계통적모호지식규칙고비교간단,계통재추리과정중궤호불능획득신지식,불능진행추리자학습,당계통우도복잡병행종합모호규칙시,추리궤제궤호무법실현.소이장복잡모호규칙진행정향추리처리취현득중요,병장처리후적규칙전건작위신경망락적수입,결합경향기함수망락적우점건립신적모호추리궤,병통과추리질대차수n적변화래개변학습솔인자적방법진행망락추리자학습.