论文部分内容阅读
人工神经网络系统是智能控制技术的主要分支之一,主要用于非线性系统的辨识建模、非线性过程的预测、神经网络控制及故障诊断等。它通过学习逐步实现其计算过程。在学习过程中,神经元之间的连接强度将根据环境信息发生缓慢的变化,把环境信息逐步地存储于神经网络之中形成长期记忆。学习过程希望形成一个具有一定结构的自组织系统与环境交互作用,从外界环境中获取知识。博弈论是跨学科研究人的行为的一种独特方法。人在社会中的学习过程大多有交互的特征,个体学习的同时也被其他个体的学习影响。博弈是被广泛接受的研究决策主体的行为发生直接相互作用的时候的决策以及这种决策的均衡问题的代表。鉴于人工神经网络和博弈论都是探索人类发现和掌握知识基本规律的工具和方法,考虑二者的结合点,建立有效数学模型,利用系统仿真技术进一步研究,必将加速掌握和发现科学知识的进程。在激烈竞争的现实世界中,这对中华民族屹立于世界民族之林具有十分重要的意义。本文在介绍人工神经网络基本原理和博弈论知识的基础上,将博弈过程模型与人工神经网络结合起来,研究了神经网络在模拟和预测人在重复博弈中的学习过程的潜在价值,建立了博弈过程的神经网络学习模型。在神经网络学习进化过程中,效仿人类回顾对比的学习方法,引入了“regret”值作为网络连接权值反馈的一部分,更新神经网络连接权值。以MATLAB为平台将设计的网络模型应用于博弈实验研究,通过训练并模拟输出结果,最后对结果深入分析,运用不同的分析准则与已有的学习模型进行比较,结果表明本文的模型明显优于增强学习模型和传统NNET模式感知机模型。本文的最后又进一步将博弈过程的神经网络与模糊逻辑结合起来,建立了博弈过程的模糊神经网络模型,采用的方法是在模型结构中引入模糊逻辑,把神经网络中的加权求和转化为模糊逻辑运算中的“∧”取小,“∨”取大。仿真结果表明,该模型的预测能力比先建立的模型更快更好。