摘要：为了近似实现模糊数的非线性运算及提高神经网络的逼近精度,引入折线模糊数和折线模糊神经网络,并依据折线模糊数的扩展运算对经典共轭梯度算法进行改进,使该算法在迭代过程中通过一维非精确Armijo-Goldstein线性搜索方法获得优化学习常数,进而在折线模糊神经网络环境下设计了折线模糊共轭梯度算法.最后,通过模拟实例说明了该算法具有计算复杂度低、收敛速度快等特性.

摘要：引入折线模糊数及其扩张运算,针对折线模糊神经网络,定义折线模糊数的最大摄动误差、训练模式对的γ摄动等概念,并基于纠错规则设计该网络连接权的学习算法.其次,当转移函数满足Lipschitz条件和训练模式对发生γ摄动时,在定义折线模糊神经网络对训练模式对摄动的全局稳定性的基础上,应用归纳法证明三层折线模糊神经网络的连接权具有稳定性,进而获得该网络关于训练模式对的γ摄动也具有全局稳定性.最后,通过模拟实例说明训练模式对的摄动对该网络稳定性的影响.

摘要：折线Mamdnai模糊系统是基于折线模糊数的线性运算构造的系统模型,其主要特点是前件模糊集及后件中心连接权均取值于由有限个有序点决定的折线模糊数.依据折线模糊规则建立了折线Mamdnai模糊系统模型,进而基于适应度函数、荧光素和决策半径设计了该系统权值参数的萤火虫优化算法,以优化该系统的后件中心连接权参数.最后,通过一个双输入单输出仿真实例,验证了该萤火虫优化算法的有效性.

摘要：基于折线模糊数及其扩展运算提出了一种新的网络——多输入单输出(MISO)折线模糊神经网络,并在转移函数满足非负连续单调情况下对该网络进行了一致性分析.此外,为避免误差函数关于连接权和阈值求偏导数的复杂计算过程,利用Hebb规则和粒子群算法分别设计了MISO折线模糊神经网络的Hebb算法和粒子算法.最后,通过模拟实例对两种优化算法进行了系统分析和比较.结果显示,基于MISO折线模糊神经网络的两种优化算法虽然具有一定随机性和参数多样性,但Hebb算法直观简单且容易实现,而粒子算法稳定性好且收敛速度较快.