计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
23期
73-76
,共4页
阈值%模糊神经网络%Max-T模糊Hopfield神经网络%收敛性%鲁棒性
閾值%模糊神經網絡%Max-T模糊Hopfield神經網絡%收斂性%魯棒性
역치%모호신경망락%Max-T모호Hopfield신경망락%수렴성%로봉성
threshold%fuzzy neural network%Max-T fuzzy Hopfield neural network%convergence%robustness
收敛性与鲁棒性是模糊神经网络的两个重要性质。对带阈值的Max-T模糊Hopfield神经网络(记为Max-T-C FHNN)的收敛性及在训练模式小幅摄动情况下的鲁棒性进行了分析,从理论上给出了严格的证明。发现了采用最大权值矩阵学习算法时,Max-T-C FHNN具有良好的收敛性,同时当T模及其蕴含算子满足Lipschitz条件时, Max-T-C FHNN对训练模式摄动全局拥有好的鲁棒性,用自联想实验验证了理论的有效性。
收斂性與魯棒性是模糊神經網絡的兩箇重要性質。對帶閾值的Max-T模糊Hopfield神經網絡(記為Max-T-C FHNN)的收斂性及在訓練模式小幅攝動情況下的魯棒性進行瞭分析,從理論上給齣瞭嚴格的證明。髮現瞭採用最大權值矩陣學習算法時,Max-T-C FHNN具有良好的收斂性,同時噹T模及其蘊含算子滿足Lipschitz條件時, Max-T-C FHNN對訓練模式攝動全跼擁有好的魯棒性,用自聯想實驗驗證瞭理論的有效性。
수렴성여로봉성시모호신경망락적량개중요성질。대대역치적Max-T모호Hopfield신경망락(기위Max-T-C FHNN)적수렴성급재훈련모식소폭섭동정황하적로봉성진행료분석,종이론상급출료엄격적증명。발현료채용최대권치구진학습산법시,Max-T-C FHNN구유량호적수렴성,동시당T모급기온함산자만족Lipschitz조건시, Max-T-C FHNN대훈련모식섭동전국옹유호적로봉성,용자련상실험험증료이론적유효성。
Convergence and robustness are two important properties of fuzyy neural network. This paper analyses the conver-gence and robustness of Max-T fuzzy Hopfield neural network with threshold(called Max-T-C FHNN)in the condition of perturbations of training patterns, which is proved theoretically. It is discovered that Max-T-C FHNN using maximum weight matrix is of excellent convergence. Max-T-C FHNN holds good robustness globally to perturbations of training patterns in the case that T-norms and its implication operator satisfy the Lipschitz condition. The self-association experiment is given to testify the theoretical results.