[发明专利]一种自适应模糊脉冲神经膜系统及推理算法和学习算法

说明书

技术领域

本发明涉及自动化控制领域，更具体地说，涉及一种自适应模糊脉冲神经膜系统及推理算法和学习算法。

背景技术

脉冲神经膜系统(也叫脉冲神经P系统)是一种分布式并行计算模型，它是在膜计算的基础上发展起来的，是脉冲神经元特性与膜计算思想相结合的一种新模型。

脉冲神经膜系统由于具有并行处理能力、易理解、同步性和非线性等特点而使其非常具有实用性，因此近年来为了充分利用脉冲神经膜系统的优点，提出了许多改进型的脉冲神经膜系统，比如用来处理实际应用中模糊知识表达和模糊推理的模糊脉冲神经膜系统，它可以应用到过程控制、专家系统、故障诊断等方面。

但是，实际应用中，过程控制、专家系统、故障诊断等应用中的系统多数是动态系统，它们需要根据环境中输入数据的变化而动态的调制自身的参以适应环境的变化，而现有的模糊脉冲神经膜系统因为缺乏这种自适应调节能力(也就是学习能力)而只能处理这些应用中的静态问题，却不能处理应用中的动态问题。

发明内容

本发明的目的是提供一种自适应模糊脉冲神经膜系统及推理算法和学习算法，以使模糊脉冲神经膜系统能够处理应用中的动态问题。

为实现上述目的，本发明提供了如下技术方案：

一种自适应模糊脉冲神经膜系统，其具有如下结构：

∏＝(A，N_p，N_r，syn，I，O)，

其中，

A＝{a}为单字母集合，a表示一个脉冲；

N_p＝{σ_p1，σ_p2，...，σ_pm}为命题神经元集，σ_pi为第i个命题神经元，1≤i≤m；

N_r＝{σ_r1，σ_r2，...，σ_rn}为规则神经元集，σ_ri为第i个规则神经元，1≤i≤n；

表示命题神经元和规则神经元之间的连接关系，但在两个命题神经元之间或两个规则神经元之间无连接关系；

I∈N_p为输入神经元集；

O∈N_p为输出神经元集。

上述系统，优选的，所述脉冲神经元σ_pi具有如下形式：

σ_pi＝(α_i，ω_i，λ_i，r_i)，

其中，

α_i∈[0，1]为所述命题神经元σ_pi中的脉冲值；

为所述命题神经元σ_pi的输出权值向量，ω_ij∈[0，1]表示第j条输出上的权值，1≤j≤s_i，s_i表示所述命题神经元σ_pi上的输出的个数；

r_i表示激发规则，其表示形式为：E/a^α→a^α，α∈[0，1]，E＝{α≥λ_i}为激发条件，λ_i为激发阈值。

上述系统，优选的，所述脉冲神经元σ_ri具有如下形式：

其中，

为所述规则神经元σ_ri中的脉冲值；

γ_i∈[0，1]表示置信度，也表示所述规则神经元σ_ri的输出权值。

θ_i表示激发规则，其表示形式为：E/a^α→a^β，α，β∈[0，1]，E＝{α≥τ_i}为激发条件，τ_i为激发阈值。

一种模糊推理算法，应用如上所述的自适应模糊脉冲神经膜系统，包括：

用所述自适应模糊脉冲神经膜系统建立加权模糊产生式规则；

依据所述加权模糊产生式规则生成推理规则；

依据所述推理规则进行推理。

上述算法，优选的，所述加权模糊产生式规则的类型包括：

类型1：IF p₁ THEN p₂；