学习环境模糊Petri网多变量输出模型与计算

Multi-variable Output Model and Calculation Method of Fuzzy Petri Net Under Learning Environments

在模糊Petri网(FPN)学习方法研究中,目前多集中研究FPN单输出学习模型,而鲜有对多输出模型进行深入细致的研究,使模型的应用受到一定的限制。此外,学习模型中的前向计算多采用模糊token相乘的方法,随着规则系统的规模和复杂性的增加,会使输出token值过小,结果偏差较大。为解决上述问题,本文尝试建立FPN多输出模型,并提出学习模型的一种前向计算方法。该方法与模糊token相乘方法的不同之处在于学习模型的前向输出采用取小算子,旨在减小系统的学习偏差,为FPN多输出模型的学习提供方法支持。

This paper established the FPN multi-output model and proposed a learning model of forward calculation. The difference between the proposed method and fuzzy token multiplied calculation is that the learning model of forward output adopts a small operator to reduce the learning bias of the system and support method for multi-output model learning of FPN.