在分析模糊Petri网推理机制的基础上,将优化算法ACA(Ant Colony Algorithm)引入至FPN(Fuzzy Petri Net)的学习能力问题中。针对一知识库系统的具体实例,探讨该算法在FPN学习能力问题中的具体实现,并结合传统优化算法对比分析了它们各自...在分析模糊Petri网推理机制的基础上,将优化算法ACA(Ant Colony Algorithm)引入至FPN(Fuzzy Petri Net)的学习能力问题中。针对一知识库系统的具体实例,探讨该算法在FPN学习能力问题中的具体实现,并结合传统优化算法对比分析了它们各自的特点和性能优劣。仿真实验表明,ACA算法整体性能最佳,训练出的参数正确率较高,且所得的模糊Petri网具有很强的泛化能力和自适应功能。展开更多
近年来室内燃气事故多发,而燃气用户风险意识淡薄、户内安全检查难度大。针对现行室内燃气安全管理技术多为静态主观评估的局限性,构建了基于模糊Petri网(Fuzzy Petri Net,FPN)的风险计算规则,提出了结合粒子群优化算法(Particles Swarm...近年来室内燃气事故多发,而燃气用户风险意识淡薄、户内安全检查难度大。针对现行室内燃气安全管理技术多为静态主观评估的局限性,构建了基于模糊Petri网(Fuzzy Petri Net,FPN)的风险计算规则,提出了结合粒子群优化算法(Particles Swarm Optimization,PSO)和FPN的室内燃气泄漏动态风险评估模型。首先,应用Petri网的直观图像描述和异步并发处理能力建立室内燃气泄漏事故风险演化的拓扑结构模型,借助FPN的模糊推理能力处理风险传播的不确定性;然后,根据燃气运维数据,融合PSO动态更新初始参数,提高风险评估的准确性。结果表明,基于PSO-FPN的室内风险评估方法可弱化燃气公司安检人员分析的主观不确定性,更为准确地量化风险因子演化过程,实现室内燃气泄漏风险的动态分析,有效支持户内燃气泄漏风险管控。展开更多
模糊Petri网(Fuzzy Petri net,FPN)被广泛运用于专家系统的建模和推理中。与其它模糊系统建模工具类似,FPN也具有自学习能力不强的固有缺陷。这个缺陷具体表现在三大参数值(权值、阈值和确信度)的确定上,这些参数只能由特定领域的专家...模糊Petri网(Fuzzy Petri net,FPN)被广泛运用于专家系统的建模和推理中。与其它模糊系统建模工具类似,FPN也具有自学习能力不强的固有缺陷。这个缺陷具体表现在三大参数值(权值、阈值和确信度)的确定上,这些参数只能由特定领域的专家结合其经验给出,无法通过机器学习等手段获得。因此如何提高FPN的学习能力来优化其初始的参数值是FPN研究领域的一个研究热点。本文通过对经典萤火虫算法的系统分析,从求解的精度提升和收敛速度优化提出一种改进萤火虫算法,并结合FPN的固有特点,提出一种基于改进萤火虫算法的FPN学习能力训练策略。仿真实验表明,针对同一个FPN模型,经改进后的萤火虫算法训练出来的参数整体性能较其它两类对比算法的训练结果更佳,泛化能力更强。展开更多
文摘在分析模糊Petri网推理机制的基础上,将优化算法ACA(Ant Colony Algorithm)引入至FPN(Fuzzy Petri Net)的学习能力问题中。针对一知识库系统的具体实例,探讨该算法在FPN学习能力问题中的具体实现,并结合传统优化算法对比分析了它们各自的特点和性能优劣。仿真实验表明,ACA算法整体性能最佳,训练出的参数正确率较高,且所得的模糊Petri网具有很强的泛化能力和自适应功能。
文摘近年来室内燃气事故多发,而燃气用户风险意识淡薄、户内安全检查难度大。针对现行室内燃气安全管理技术多为静态主观评估的局限性,构建了基于模糊Petri网(Fuzzy Petri Net,FPN)的风险计算规则,提出了结合粒子群优化算法(Particles Swarm Optimization,PSO)和FPN的室内燃气泄漏动态风险评估模型。首先,应用Petri网的直观图像描述和异步并发处理能力建立室内燃气泄漏事故风险演化的拓扑结构模型,借助FPN的模糊推理能力处理风险传播的不确定性;然后,根据燃气运维数据,融合PSO动态更新初始参数,提高风险评估的准确性。结果表明,基于PSO-FPN的室内风险评估方法可弱化燃气公司安检人员分析的主观不确定性,更为准确地量化风险因子演化过程,实现室内燃气泄漏风险的动态分析,有效支持户内燃气泄漏风险管控。
文摘模糊Petri网(Fuzzy Petri net,FPN)被广泛运用于专家系统的建模和推理中。与其它模糊系统建模工具类似,FPN也具有自学习能力不强的固有缺陷。这个缺陷具体表现在三大参数值(权值、阈值和确信度)的确定上,这些参数只能由特定领域的专家结合其经验给出,无法通过机器学习等手段获得。因此如何提高FPN的学习能力来优化其初始的参数值是FPN研究领域的一个研究热点。本文通过对经典萤火虫算法的系统分析,从求解的精度提升和收敛速度优化提出一种改进萤火虫算法,并结合FPN的固有特点,提出一种基于改进萤火虫算法的FPN学习能力训练策略。仿真实验表明,针对同一个FPN模型,经改进后的萤火虫算法训练出来的参数整体性能较其它两类对比算法的训练结果更佳,泛化能力更强。