核Hebbian算法在加氢脱芳烃过程中的建模应用

提出一种采用改进核Hebbian算法的加氢脱芳烃过程的递推产品质量建模方法,用于实时估计终端分馏产品的质量指标。通过利用核Hebbian算法的中间结果,计算中心化的核矩阵特征值,进而由核主元回归方法得到非线性动态质量模型。该递推滑动窗建模方法无需计算和保存整个核矩阵,并验证了所得到的闪点模型在正常和故障工况下均具有足够的精度。

基于模糊认知网络的改进非线性Hebbian算法

针对难以用机理模型准确描述的非线性系统,研究基于模糊认知网络(fuzzy cognitive networks,FCN)的非线性系统建模和参数辨识问题.首先,建立非线性系统的具有数值推理和模糊信息表达的模糊认知网络模型,利用包含节点、权值和反馈的有向图表示系统.其次,由于模型的精确性取决于权值参数,提出了一种带终端约束的非线性Hebbian学习算法(nonlinear Hebbian learning,NHL).该算法在权值的学习过程中引入了FCN模型中节点的系统实际值,在原更新机制的基础上,增加了包含反馈值与预测值差值的修正项,然后归一化得到最终权值迭代公式.该算法具有收敛速度快、学习结果精准等优点,解决了传统非线性Hebbian算法对初始值依赖性强的缺点.最后将所提出的方法运用到水箱控制系统,仿真结果说明了基于FCN的非线性Hebbian学习算法的有效性.

一种非线性竞争性 Hebbian 算法(英文)

与主量分析密切相关的Ｈｅｂｂｉａｎ算法大都局限于线性模型和精确输入恢复前提．本文考察了一类非线性的竞争性Ｈｅｂｂｉａｎ学习，提出了一个确切的基于纯竞争机制的优化算法．仿真实验表明，该算法较之于现有的算法更为快速、有效．

基于FCM的逆物流供应商评估建模和算法

针对闭环供应链环境下逆物流供应商评估的指标及其特点,采用模糊认知图(FCM)方法,建立了逆物流供应商的评估模型。模型结合运用了非线性Hebbian学习算法,该算法通过对认知图的学习训练,避免了评估过程对专家意见的依赖性。最后通过算例说明了本文模型的应用。结果表明,利用模糊认知图建立供应商评估模型是可行的。与AHP方法相比,该方法考虑了标准之间相互影响及反馈的关系,与ANP方法相比,避免了构建超矩阵的复杂性。因此该模型对于企业合理的评估选择逆物流供应商,具有一定的指导意义。

模糊灰色认知网络的建模方法及应用

针对具有不确定性非线性系统的机理模型难以建立的问题,提出了基于模糊灰色认知网络(Fuzzy grey cognitive networks,FGCN)的非线性系统建模方法.该方法将模糊认知网络和灰色系统理论相结合,把模糊认知网络的节点状态值和权值扩展为灰色区间,引入灰度来评判可靠性.采用一种带终端约束的非线性Hebbian学习算法(Nonlinear hebbian learning,NHL)辨识FGCN的模型参数,引入了与FGCN模型中节点的系统实际测量值对应的灰数值,在更新机制中增加了包含系统测量值与预测值之差的修正项,对权值进行有监督的修正.利用水箱控制系统进行的仿真实验结果表明,本文提出的建模方法能解决对数据存在不确定性或缺失的复杂系统建模的难题,所建的模型能做出接近人类智能的控制决策,所采用的权值学习方法具有收敛速度快、学习结果精准等优点,并克服了传统非线性Hebbian算法对初始值依赖性强的缺点,对不确定性系统的建模具有广泛适用性.

模糊认知图在上市公司信用风险评价中的应用

介绍了模糊认知图的基本原理、推理机制及非线性Hebbian学习算法,最后,以我国上市公司信用风险评价问题为例对模糊认知图进行了研究,结果表明,利用模糊认知图建立上市公司信用风险评价模型是可行的。