區(qū)間神經(jīng)網(wǎng)絡(luò)的研究與應(yīng)用.pdf

1、信息是人類認(rèn)識(shí)世界和改造世界的知識(shí)源泉，然而由于現(xiàn)實(shí)世界中事物的多樣性、復(fù)雜性和時(shí)變性，導(dǎo)致人們認(rèn)識(shí)到的信息往往是不確定的、不精確的。同樣在復(fù)雜工業(yè)生產(chǎn)過(guò)程中，由于傳感器的精度限制或外界干擾等原因?qū)е聹y(cè)量的數(shù)據(jù)的不精確，甚至由于生產(chǎn)條件的限制，有些數(shù)據(jù)只能通過(guò)經(jīng)驗(yàn)估計(jì)或軟測(cè)量的方法求取。如何描述不確定信息并對(duì)不確定信息建立數(shù)學(xué)模型則是首先要解決的問(wèn)題。粒是一種新興的用于描述不確定、不精確、模糊信息的概念。信息?；姆椒ㄓ泻芏?，其中集合論

2、和區(qū)間分析具有良好的普適性，尤其在描述不精確數(shù)據(jù)方面;而神經(jīng)網(wǎng)絡(luò)一直以來(lái)在復(fù)雜系統(tǒng)建模方面得到廣泛的應(yīng)用。將區(qū)間理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合構(gòu)成的區(qū)間神經(jīng)網(wǎng)絡(luò)能夠很好的解決不精確信息的建模問(wèn)題，故研究區(qū)間神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和學(xué)習(xí)算法具有十分重要的理論與實(shí)際意義。
　　本文以區(qū)間神經(jīng)網(wǎng)絡(luò)為理論基礎(chǔ)，通過(guò)廣泛查閱相關(guān)文獻(xiàn)，深入研究了前饋區(qū)間神經(jīng)網(wǎng)絡(luò)和反饋區(qū)間神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)算法。提出了一種改進(jìn)的Jordan神經(jīng)網(wǎng)絡(luò)，并將反饋區(qū)間神經(jīng)網(wǎng)絡(luò)應(yīng)

3、用于谷氨酸發(fā)酵過(guò)程的建?！，F(xiàn)將本文主要研究工作概括如下:
　　首先，將區(qū)間前饋神經(jīng)網(wǎng)分為三類，以三層網(wǎng)絡(luò)為例，推導(dǎo)了三層區(qū)間神經(jīng)網(wǎng)絡(luò)的梯度下降算法，利用數(shù)據(jù)實(shí)驗(yàn)說(shuō)明了各類型區(qū)間神經(jīng)網(wǎng)絡(luò)與點(diǎn)值神經(jīng)網(wǎng)絡(luò)性能的不同之處。考慮到梯度下降算法易陷入局部最優(yōu)的問(wèn)題，通過(guò)利用基于區(qū)間優(yōu)化的分支定界算法這一全局優(yōu)化算法來(lái)解決區(qū)間神經(jīng)網(wǎng)絡(luò)的權(quán)值、閾值學(xué)習(xí)問(wèn)題，并得到了良好的效果。
　　其次，以Jordan神經(jīng)網(wǎng)絡(luò)為例，研究了區(qū)間反饋神經(jīng)網(wǎng)絡(luò)的