曾水玲，徐蔚鴻，楊靜宇
吉首大學數學與計算機科學學院，湖南吉首南京

理工大學計算機科學與技術學院，江蘇南京

長沙理工大學計算機與通信工程學院，湖南長沙

摘　　　要：在構建神經網絡時，采集的訓練模式總存在攝動，如何度量這種攝動，提出模糊集攝動度量的新方法。眾多學者研究的兩類形態學聯想記憶網絡的存儲能力和抗腐蝕／膨脹噪聲的能力等性質幾乎都相同，但基于這種模糊集攝動的度量方法，研究訓練模式攝動對兩類模糊形態學聯想記憶網絡的影響時發現，兩類網絡對訓練模式攝動的魯棒性差異很大，其中一類模糊形態學聯想記憶網絡對訓練模式攝動擁有好的魯棒性；而另一類模糊形態學聯想記憶網絡的這個性質較差。研究內容對形態學聯想記憶網絡的性能分析、學習算法的選擇和訓練模式獲取設備精度的選擇有一定的指導意義。

關　鍵　詞：模糊形態聯想記憶網絡；攝動；訓練模式；魯棒性

１　引　言
模糊神經網絡的訓練模式在獲取時總存在攝動［１～２］。這使得訓練神經網絡時所提供的訓練模式和真實的模式總有一定的誤差，就會產生憂慮：①這種誤差如何來度量。②基于這種誤差的訓練模式集訓練后的神經網絡在工作時，網絡的輸出與實際應有的輸出是否存在某種關系。在文獻［１�玻梗葜猩婕坝柧毮Ｊ綌z動的度量都是基于應明生教授提出的模糊集合的較大攝動［３�玻矗葸@種度量方法。在模糊系統中訓練模式或規則攝動對系統輸出的影響，很多學者進行了廣泛的研究［１�玻梗荨�從不同角度來分析各類模糊系統基于模式攝動的魯棒性，對不同的蘊涵算子和推理規則［２，６�玻梗蒴敯粜允腔�本不同，根據模糊集合的平穩性所有的魯棒結果都可以公式化［６］。在本文中，將提出一種新方法來度量這種的攝動，并基于這種攝動的度量方法來分析訓練模式攝動對模糊形態學聯想記憶網絡［１０～１４］（ｆｕｚｚｙｍｏｒｐｈｏ�玻欤铮纾椋悖幔欤幔螅螅铮悖椋幔簦椋觯澹恚澹恚铮颍椋澹螅�ＦＭＡＭ）的影響。

登錄網站后可下載文件