完全随机输入的模糊δ-规则的有限收敛性  

FINITE CONVERGENCE OF A FUZZY δ-RULE IN A STOCHASTIC ORDER

作　　者：刘燕[1,2] 杨洁[1] 李龙[3] 曲衍鹏[1] 

机构地区：[1]大连理工大学数学科学学院,大连116024 [2]大连工业大学信息科学与工程学院,大连116034 [3]衡阳师范学院数学与计算科学系,衡阳421008

出　　处：《高等学校计算数学学报》2011年第1期60-66,共7页Numerical Mathematics A Journal of Chinese Universities

摘　　要：1引言各种神经网络被广泛用来解决模式识别问题.进行模式识别时,常常要对模式进行分类从而达到识别的目的.线性可分模式的分类是其中最基本的一种.当前神经网络的一个热点问题集中在研究神经网络学习算法的理论基础,特别是学习算法的收敛性证明上.作为神经网络基本组成的感知器,对线性可分问题具有正确分类的能力不仅在实践中行之有效,而且在理论上已经证明是收敛的.文献[1]证明了在样本线性可分的条件下,对于传统感知器模型,在线梯度算法有限收敛.In this paper, a fuzzy δ-rule training algorithm is proposed for a fuzzy perceptron, in which the training pattern pairs are supplied in a stochastic order. Moreover, it is proved that if the training pattern pairs are fuzzily separable and the learning rate η is small enough, then the algorithm is finitely convergent, i.e., the training pattern pairs could be correctly classified by the net.

关 键 词：随机输入 模糊δ-规则 有限收敛性 数值分析 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]