模糊神经网络的基本原理与应用概述摘要： 模糊神经网络（ FNN）是将人工神经网络与模糊逻辑系统相结合的一种具有强大的自学习和自整定功能的网络, 是智能控制理论研究领域中一个十分活跃的分支 , 因此模糊神经网络控制的研究具有重要的意义。本文旨在分析模糊神经网络的基本原理及相关应用。关键字： 模糊神经网络，模糊控制，神经网络控制，BP算法。Abstract:A fuzzy neural network is a neural network and fuzzy logic system with the combination of a powerful. The self-learning and self-tuning function of the network, is a very intelligent control theory research in the field of active branches. So the fuzzy neural network control research has the vital significance. The purpose of this paper is to analysis the basic principle of fuzzy neural networks and related applications. Key Words: Fuzzy Neural Network, Fuzzy Control, Neural Network Control, BP Algorithm.1 人工神经网络的基本原理与应用概述人工神经网络的概念人工神经网络 (Artificial Neural Network,简称 ANN)是由大量神经元通过极其丰富和完善的联接而构成的自适应非线性动态系统,它使用大量简单的相连的人工神经元来模仿生物神经网络的能力,从外界环境或其它神经元获得信息,同时加以简单的运算 ,将结果输出到外界或其它人工神经元。神经网络在输入信息的影响下进入一定状态 ,由于神经元之间相互联系以及神经元本身的动力学特性,这种外界刺激的兴奋模式会自动地迅速演变成新的平衡状态,这样具有特定结构的神经网络就可定义出一类模式变换即实现一种映射关系。由于人工神经元在网络中不同的联接方式,就形成了不同的人工神经网络模式,其中误差反向传播网络(Back-Propagation Network,简称 BP网络 )是目前人工神经网络模式中最具代表性,应用得最广泛的一种模型【1,2】。人工神经网络研究的发展简史人工神经网络的研究己有近半个世纪的历史但它的发展并不是一帆风顺的,神经网络的研究大体上可分为以下五个阶段[3] 。(1) 孕育期 (1956 年之前 ):1943年 Mcculloch与 Pitts共同合作发表了“A logical calculus of ideas immanent in Nervous Activity”一文 , 提出了神经元数学模型 ( 即 MP模型 ) 。1949 年 Hebb提出 ...
