真值限定的语言真值直觉模糊推理

为了更贴近人类语言的表达,减少推理过程中信息的损失,在直觉模糊逻辑推理的基础上,结合语言真值格蕴涵代数,提出了真值限定的语言真值直觉模糊推理方法。研究了语言真值直觉模糊犹豫度、相容度、不相容度及其相关性质,并通过语言真值直觉模糊相容度的计算,对推理真值进行限定,给出语言真值直觉模糊推理模型的真值限定推理方法。设计推理算法,并将算法应用于实例中。实例说明,该方法在处理同时具有可比性和不可比性的语言真值直觉模糊推理问题中更有效。

基于真值限定概念的多条件模糊推理

本文采用 Ｍ Ａ Ｘ－ ⊙复合运算，在基于模糊关系 Ｒｂ 的多条件模糊推理的框架中，依据 Ｊ． Ｆ． Ｂａｌｄｗｉｎ 的真值限定概念，给出具有抽象逻辑特征的一种多条件模糊真值推理方法。

基于真值限定的多条件模糊推理算法

本文依据J .F .Baldwin的真值限定概念 ,给出了在离散隶属函数下的一组基于MAX -⊙复合运算和模糊关系Rb 的多条件模糊真值推理算法。

模糊集相似度限定推理方法

本文在模糊推理的Mamdani算法和BaldwinJF的真值限定推理方法的基础上,提出了模糊集相似度限定推理方法,并以规则再现为评价标准对这三种方法进行了比较。

扰动模糊集相似度限定推理方法

作为模糊控制理论基础的模糊推理,近年来得到广泛的研究和应用。结合模糊推理的 Mamdani 算法与 J.F. Baldwin 的真值限定推理方法,在扰动模糊集上定义了一种模糊推理的新方法—扰动模糊集相似度限定推理(FMP 和 FMT)方法,提出了扰动模糊集相似度限定推理方法, 该方法是满足关系再现的并对关系再现问题进行了讨论,给出了满足还原算法的条件。

基于阴阳调和的模糊神经网络

针对传统的基于最小均方差或最大后验概率的学习算法不能得到最优解的实际情况,提出将贝叶斯阴阳(Bayesian Yin-Yang,BYY)学习算法引入模糊小脑模型关联控制器(Cerebellar Model Articulation Controller,CMAC)来确定最优模糊集的方法,并利用真值限定(Truth ValueRestriction,TVR)推理策略推导出规则权值的真值。BYY受著名的中国古代阴阳哲学理论启发,认为宇宙中的任何事物都是阴和阳对立的统一体,当阴阳取得调和时,则达到完美。模糊规则集通过BYY系统地优化,使其具有更高的泛化能力;与原始的CMAC相比,它有效地减少了存储需求,并提供直觉模糊逻辑推理,具有清晰的语意规则。产品需求预测实验结果表明:BYY结合TVR应用于模糊神经网络,改进了CMAC模型,预测方法优于其他代表性的神经网络模型,所求模糊集与训练数据达到阴阳调和,得到最优解。

基于MAX-⊙复合运算和模糊关系R_b的多维模糊推理算法

模糊推理是广泛应用在人工智能AI中的一种不精确推理方法 ,本文采用MAX -⊙复合运算和模糊关系Rb,依据J.F .Baldwin真值限定概念 ,给出在离散隶属函数下的多维Sugeno -Takagi模糊推理算法。

α算子上的近似推理

本文把近似推理的真值限定法推广到α算子上,研完了α算子上近似推理的表达形式和α算子的蕴含强度。在给定条件下,本文把计算sup(α′∧(α∝b))的问题转化为解α′Tα=b方程的问题,从而简化了近似推理的计算。

直觉模糊集相似度限定推理方法

在模糊推理的Mamdani算法和Baldwin的真值限定推理方法的基础上,提出了直觉模糊集相似度限定推理方法.给出了广义的取式推理、拒式推理和假言推理规则的直觉模糊集相似度限定推理算法,并证明了这些算法在一定条件下是还原算法.