基于模糊认知网络的改进非线性Hebbian算法

摘要：

针对难以用机理模型准确描述的非线性系统,研究基于模糊认知网络(fuzzy cognitive networks, FCN)的非线性系统建模和参数辨识问题。首先,建立非线性系统的具有数值推理和模糊信息表达的模糊认知网络模型,利用包含节点、权值和反馈的有向图表示系统。其次,由于模型的精确性取决于权值参数,提出了一种带终端约束的非线性Hebbian学习算法(nonlinear Hebbian learning, NHL)。该算法在权值的学习过程中引入了FCN模型中节点的系统实际值,在原更新机制的基础上,增加了包含反馈值与预测值差值的修正项,然后归一化得到最终权值迭代公式。该算法具有收敛速度快、学习结果精准等优点,解决了传统非线性Hebbian算法对初始值依赖性强的缺点。最后将所提出的方法运用到水箱控制系统,仿真结果说明了基于FCN的非线性Hebbian学习算法的有效性。

关键词：模糊认知网络、非线性Hebbian学习算法、终端约束

所属期刊栏目：33

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金创新研究群体科学基金项目61321003;国家自然科学基金项目61673399

在线出版日期：2016-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1273-1280