利用神经网络提取模糊控制与决策规则的研究

研究了适用于知识表示及规则提取的模糊推理、神经网络及遗传算法的融合方法；研究了模糊规则中录属函数的确定方法，提出了一种考虑决策者的直觉及偏好的语言型变量的录属函数的确定方法，可以将决策者潜在的经验、知识模型化；实现了从样本数据中获取模糊规则的算法，可以实现数值信息与语言信息的融合；建立易于表示和提取规则的神经网络的模型结构：利用模糊规则确定神经网络的结构及参数，使网络的权重及节点的阈值具有了一定的物理意义，同时提高了神经网络的学习速度，该方法的特点是不必改变网络的结构及经典的BP学习算法；实现了直接从训练过的神经网络中提取模糊控制与决策规则的算法。该项目的部分研究成果已在实际决策项目中应用。