论文部分内容阅读
该文从神经网络节点功能分化的角度入手,分析了网络结构对网络训练速度、预测性能的影响,提出了网络性的概念,探讨了网络局域性与网络性能的关系.根据局域性概念与模糊数学理论,以模糊推理的标量式为基础,构造出一类完全设计的模糊神经网络,组成了完全设计的模糊神经网络体系.利用均匀设计的模糊神经网络体系中的子空间可调的并联BP子网络的模糊神经网络(FNNUPB),进行了谷氨酸流加发酵过程的模拟与预测,模型预测的平均误差在1%以内.建立了控制流加的模糊控制器与模糊神经网络控制器.利用模糊神经网络控制器成功地实现了规则提取,规则修剪、规则简并,在网络训练过程中模糊子空间隶属度实现了自动调整,消除了模糊控制的主观性,改善了控制器性能.模糊神经网络控制器控制时酵母最终浓度比原模糊控制器时提高了近1倍,比原人为控制时提高了近2倍,同时控制器响应时间缩短为原模糊控制器的2%.