两类新的基于T/S范数的模糊神经元模型及其应用

基于T范数和S范数提出了F1型和F2型两类神经元模型 ,并研究了它们的性质和应用 (F1型灵敏性强而鲁棒性弱 ,而F2型神经元灵敏性弱而鲁棒性强 ) ;给出了一个基于F1型神经元的广义AND/OR运算为T/S范数簇的充分必要条件 ;首先提出了弱界三角范数的概念 ,并发现F2型的一个特例模型能实现弱界三角范数 .经分析 ,F1型更适合用于工业控制系统 ,而F2型更适合用于面向用语言描述知识的医学和人文社会领域的计算机应用系统 .该文把一个由特殊的F2型神经元组成的神经网络用于模糊推理 ,发现该推理方法是Zadeh的CRI法的推广 ,且能满足假言推理 .通过权值的调整 ,该推理法能满足若干推理原则的要求 .

基于Frank T/S范数的柔性概率逻辑算子研究

Frank算子簇满足相容性定理,基于Frank T/S范数构造柔性概率逻辑算子,是在逻辑框架内解决概率逻辑不确定性推理问题的一种有效探索.论文针对传统概率逻辑算子在相关性方面存在的缺陷,用广义相关系数h建立起与相关性的联系,并基于Frank T/S范数构造了一套运算关系可以随h连续变化的柔性概率逻辑算子.理论证明,该算子既可满足概率测度的基本公理,又具有连续单调可变性.

一种新的基于弱T范数簇的神经元模型

提出了一种新的能实现多种连续逻辑运算的神经元模型 .利用该神经元模型可实现多种逻辑运算 ,包括一种从 min(x,y)连续变化到 max(0 ,x +y- 1)的弱 T范数簇 ,从 max(x,y)到 m in(1,x+y)连续变化的弱 S范数簇 ,从 m in(x,y)连续变化到 max(x,y)的平均运算等等 ,并且利用 OWA算子 。

基于连续可控T范数的模糊控制方法研究

针对传统模糊控制中MAX ,MIN算子的缺陷 ,设计了一种由相关系数h控制的连续T范数 ,使得与或运算形式根据运算量的相关性来决定 ,而不是片面的取大或取小运算 ,并进一步将其推广到多元与或运算中 ,且应用于模糊控制 .在仿真实验中利用遗传算法确定相关系数 ,实验结果证明了本方法的有效性 .

基于Schweizer算子簇的柔性概率逻辑算子的研究

Schweizer算子簇是泛逻辑学研究零级非相容T/S范数完整簇的数学基础,由它构造的与/或运算具有连续单调可变性。基于Schweizer算子簇构造的概率逻辑算子,既可满足概率测度的基本公理,又可实现概率逻辑运算的连续单调可变。