MISO折线模糊神经网络的优化算法与性能比较

该研究论文深入探讨了"基于MISO折线模糊神经网络的优化算法"这一主题，发表在中国科学:信息科学杂志2015年第45卷第5期，650-667页。论文由王贵君、何英和李晓萍三位作者共同完成，他们来自天津师范大学数学科学学院和湖北省恩施市第二中学。王贵君作为通信作者，其电子邮件地址为tjwgj@126.com。 折线模糊数是论文的核心概念，它是刘普寅教授在2002年提出的模糊数的一种近似形式，旨在解决模糊算术运算繁琐和非线性运算不易的问题。与传统的Zadeh扩展原理不同，刘教授的折线模糊数及其扩展运算提供了一种新型的数学工具，使得模糊神经网络（FNN）的设计更为高效和精确。 在文中，作者构建了多输入单输出（MISO）折线模糊神经网络，并针对其转移函数的非负连续单调特性进行了理论分析，确保了网络的一致性。为了简化训练过程，论文引入了两种优化算法：Hebb规则和粒子群算法。Hebb规则是一种基于神经网络自组织学习的方法，它简化了计算过程，易于实现；而粒子群算法则以其良好的稳定性和较快的收敛速度见长，适合处理复杂的优化问题。 值得注意的是，这两种算法虽然都具有一定的随机性和参数多样性，但Hebb算法因其直观性和易用性在实际应用中更具吸引力。而粒子群算法尽管可能需要更多的计算资源，但在处理大规模问题时显示出更高的性能。 论文的研究成果对于改进模糊神经网络的学习能力和效率具有重要意义，尤其是在处理非线性问题和减少模糊运算复杂度方面。同时，它还为未来的研究者提供了新的思路和工具，促进了模糊神经网络领域的进一步发展。这篇论文也得到了国家自然科学基金项目(批准号:61374009)的资助，体现了其学术价值和实际应用价值。