摘 要: 加權(quán)模糊Petri網(wǎng)缺乏較強的自學(xué)習(xí)能力,,針對這個問題,給出了一個基于BP算法的加權(quán)模糊Petri網(wǎng)權(quán)值學(xué)習(xí)算法,。該算法不需要對原有模型進行修改,,使得加權(quán)模糊Petri網(wǎng)權(quán)值的學(xué)習(xí)和訓(xùn)練得到一定地簡化。
關(guān)鍵詞: WFPN,;產(chǎn)生式規(guī)則,;BP算法;權(quán)值學(xué)習(xí)
加權(quán)模糊Petri網(wǎng)WFPN(Weighted Fuzzy Petri Net)為由加權(quán)模糊產(chǎn)生式規(guī)則所構(gòu)成的知識庫系統(tǒng)建模提供了的良好工具,,它能夠?qū)⒁?guī)則系統(tǒng)中的知識結(jié)構(gòu)化地表示出來,。但自適應(yīng)能力差是模糊系統(tǒng)本身的一個不足之處,加權(quán)模糊產(chǎn)生式規(guī)則中的部分參數(shù)(例如命題權(quán)值,、規(guī)則的確信度等),,這些參數(shù)往往依賴于領(lǐng)域?qū)<业慕?jīng)驗,很難精確地獲得,,影響了WFPN的知識推理[1],。在參考文獻[1-5]中,研究人員對模糊Petri的學(xué)習(xí)能力做了進一步研究并給出了多個模型以及對應(yīng)的學(xué)習(xí)算法,。
WFPN中的變遷與庫所之間的連接有著明確的意義,,表示了各個命題之間的蘊涵關(guān)系,這是與一般的人工神經(jīng)網(wǎng)絡(luò)不同的地方[1],。WFPN中人工神經(jīng)網(wǎng)絡(luò)中的層次結(jié)構(gòu)不明顯,,將BP算法引入WFPN中需要對BP算法做一些修改,本文在參考文獻[6]給出的WFPN模型以及相應(yīng)的推理算法的基礎(chǔ)上,,將BP算法應(yīng)用在不存在回路的WFPN模型中,,對WFPN模型中的權(quán)值進行學(xué)習(xí)、優(yōu)化,,使其接近理想值,,從而提高模型的自適應(yīng)能力,,文中所給算法不需要通過增加虛變遷和虛庫所[1]對WFPN模型進行層次劃分,這樣可以避免增加WFPN模型的復(fù)雜度,。
1 WFPN模型
參考文獻[6]給出了WFPN的一般形式及推理算法,。WFPN為一個十元組(P,T,,D,,I,O,,M,,Th,,W,,f,β),,基于該WFPN模型的推理算法采用了矩陣運算,。WFPN的一般形式與推理算法可參考文獻[6]。
本文針對沒有回路的WFPN模型,,提出了WFPN模型的學(xué)習(xí)算法,。學(xué)習(xí)算法是借鑒神經(jīng)網(wǎng)絡(luò)中的BP算法,但該學(xué)習(xí)算法是直接建立在WFPN模型上的,,不需要將WFPN轉(zhuǎn)化到神經(jīng)網(wǎng)絡(luò)模型上,,使得WFPN具有像神經(jīng)網(wǎng)絡(luò)中BP網(wǎng)絡(luò)一樣的學(xué)習(xí)能力。
參考文獻
[1] 鮑培明.基于BP網(wǎng)絡(luò)的模糊Petri網(wǎng)的學(xué)習(xí)能力[J].計算機學(xué)報,,2004,,27(5):695-702.
[2] Li Xiaoou, ROSANO L F. A weighted fuzzy petri net model for knowledge learning and reasoning. Neural Networks[R]. 1999. IJCNN′99. International Joint Conference on Volume 4,,July 1999.
[3] Li Xiaoou,, Yu Wen, ROSANO L F. Dynamic knowledge inference and learning under adaptive fuzzy Petri net framework[J]. Systems,, Man and Cybernetics,, Part C, IEEE Transactions on Volume 30,, 2000,,11(4):442-450.
[4] TSANG E C C, YEUNG D S,, LEE J W T. Learning capability in fuzzy Petri nets. Systems[R]. Man,, and Cybernetics, 1999. IEEE SMC ′99 Conference Proceedings. 1999 IEEE International Conference on Volume 3,,1999.
[5] 吳宴華,,須文波.結(jié)合遺傳算法優(yōu)化模糊Petri網(wǎng)的參數(shù)[J].微計算機信息,,2005,21(12-2):174-175.
[6] 吳榮海,,范曉梅,,吳堅,等.加權(quán)模糊Petri網(wǎng)的正向推理算法[J].大理學(xué)院學(xué)報,,2007,,6(8):68-72.
[7] 吳榮海.加權(quán)模糊Petri網(wǎng)在不精確知識表示和推理中的應(yīng)用研究[D].云南:云南師范大學(xué),2006.
[8] 史忠植.知識發(fā)現(xiàn)[M].北京:清華大學(xué)出版社,,2004,,230-264.