資源描述：
《模糊神經(jīng)petri網(wǎng)模型優(yōu)化及應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、萬方數(shù)據(jù)分類號：TPl83密級：(秘密、機密、絕密)學(xué)校代碼：10057研究生學(xué)號：11834013模糊神經(jīng)Petri網(wǎng)模型優(yōu)化及應(yīng)用TheOptimizationandAppficationofFuzzyNeuralPetriNetsModel專業(yè)名稱：計算機應(yīng)用技術(shù)指導(dǎo)教師姓名：李孝忠教授研究生姓名：周艷軍申請學(xué)位級別：工學(xué)碩士論文提交日期：2014年3月論文課題來源：國家自然科學(xué)基金學(xué)位授予單位：天津科技大學(xué)萬方數(shù)據(jù)天津科技大學(xué)學(xué)位論文原創(chuàng)性聲明IIlIHHIIllIHlllJIIIIIJIIJY2755
2、156本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進行研究工作所取得的成果。除文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包括任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果內(nèi)容，也不包括為獲得天津科技大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料。對本文研究做出重要貢獻的個人和集體，均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律后果由本人承擔(dān)。作者簽名：懈日期：加I緲年Z月／D日知識產(chǎn)權(quán)和專利權(quán)保護聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師具體指導(dǎo)下并得到相關(guān)研究經(jīng)費支持下完成的，其數(shù)據(jù)和研究成果歸屬于導(dǎo)師和作者本
3、人，知識產(chǎn)權(quán)單位屬天津科技大學(xué)；所涉及的創(chuàng)造性發(fā)明的專利權(quán)及使用權(quán)完全歸天津科技大學(xué)所有。本人保證畢業(yè)后，以本論文數(shù)據(jù)和資料發(fā)表論文或使用論文工作成果時署名第一單位仍然為天津科技大學(xué)。本人完全意識到本聲明的法律后果由本人承擔(dān)。作者簽名：J日期：加f悔弓月fD日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，同意公布論文的全部或部分內(nèi)容，允許論文被查閱和借閱。本人授權(quán)天津科技大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫
4、進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。保密Il(請在方框內(nèi)打“v”)，在年解密后適用本授權(quán)書。本學(xué)位論文屬于作者簽名：導(dǎo)師簽名：(請在方框內(nèi)打“v”)。日期：z糾牛年弓月／o日日期：加哆年歲月萬方數(shù)據(jù)摘要近年來，Petri網(wǎng)作為一種對離散、異步、并發(fā)、并行、非確定和隨機等性質(zhì)的信息處理系統(tǒng)建模分析效能超強的工具被越來越多的海內(nèi)外專家學(xué)者廣泛應(yīng)用和研究。此外，模糊理論在表示不確定信息等方面體現(xiàn)出來的優(yōu)勢而倍受東方專家學(xué)者青睞。與此同時，神經(jīng)網(wǎng)絡(luò)因為其本身強大的非線性處理能力，一直以來眾
5、多關(guān)注并且已經(jīng)成功應(yīng)用于計算機科學(xué)、神經(jīng)科學(xué)以及經(jīng)濟學(xué)等領(lǐng)域中。模糊神經(jīng)Petri網(wǎng)(FuzzyNeuralPetrinets，F(xiàn)NPN)是將Petri網(wǎng)建模分析處理能力與模糊表示相結(jié)合，而后融入神經(jīng)網(wǎng)絡(luò)自適應(yīng)算法而提出的。FNPN匯聚了三個理論各自的優(yōu)點，模型能夠解決某些模型中模糊參數(shù)難以確定的難題，使模型更加真切地描述實際系統(tǒng)。但是，其學(xué)習(xí)能力還是取決于選取的學(xué)習(xí)算法，如果要獲得好的模型需要選用學(xué)習(xí)收斂速度快、精確度高且震蕩小的學(xué)習(xí)算法。綜上所述，優(yōu)化改進FNPN模型的算法對建立更加理想的模型具有較強的現(xiàn)實
6、意義。針對FNPN學(xué)習(xí)算法計算精度低、收斂性差及訓(xùn)練過程中網(wǎng)絡(luò)震蕩性較大的問題，本文提出一種優(yōu)化的FNPN算法。本算法采用兩種S型連續(xù)函數(shù)分別表示變遷使能及變遷點燃后的新標(biāo)記值，并在傳統(tǒng)參數(shù)修正公式的基礎(chǔ)上考慮修正前的數(shù)值進而增加新型的動量項。本文證明了優(yōu)化后的參數(shù)修正算法可以保證FNPN網(wǎng)絡(luò)的收斂性。在改進算法的應(yīng)用方面，本文將其應(yīng)用在近來被廣泛研究的故障診斷等系統(tǒng)當(dāng)中，通過對專家系統(tǒng)和故障診斷系統(tǒng)建立相應(yīng)的FNPN模型，利用改進前后的算法對模型進行計算，由數(shù)據(jù)統(tǒng)計圖可以對比看出本算法在計算精度、算法效率以及
7、收斂性方面的效果均比傳統(tǒng)算法好。關(guān)鍵詞：Petri網(wǎng)；BP神經(jīng)網(wǎng)絡(luò)；模糊理論；模糊神經(jīng)Petri網(wǎng)；故障診斷萬方數(shù)據(jù)ABSTRACTInreceIltyears，PetrinetshasbeenwidelyusedandresearchedbysCholars，asas仃ongmodellngtoolforinformationprocessingsystem，whichhavecharact嘶sticsofdiscrete，aSyllc上1ronous，con㈣t，parallel，non-determini
8、sticandstochastic．Moreov甌缸zzvtheory1smuchfavoredbyorientalscholarsasitsadvantageofuncertainiIlfomationrepresen切舡0n．Asthesametime，becauseofitsownstrongnonlinearprocessingcapabilityneuralnetworkha
