10、多分类波纹规则的初步研究

多分类波纹规则(MCRRR)的初步研究

多分类波纹规则的初步研究

1. 多分类波纹下降规则(MCRDR)

在处理复合分类问题时,Kang和Compton开发了多分类波纹下降规则(MCRDR)。它试图保留波纹下降规则(RDR)的理念和通用策略,同时具备以合理方式产生多个分类的能力。
- 结构调整 :MCRDR改变了RDR的底层二叉树结构和推理过程,但保留了基于例外、上下文敏感的增量知识获取方法,以及其固有的知识库验证和确认机制。它采用n - 树结构,每个节点包含一组条件、一个分类,以及对所有子节点(如果有的话)的引用。还有一个根节点,它没有条件,可被视为始终为真。
- 知识构建过程
- 添加缺失分类 :当专家遇到缺失分类的情况时,需选择缺失的分类和导致该分类的一组条件,新分类将被添加到树的根节点。
- 修正错误分类 :若遇到分类错误触发的情况,专家选择该分类,并提供正确分类(可能是NULL分类以停止现有分类触发,或完全不同的分类)以及该分类错误的理由(为例外规则选择条件),系统会将新节点添加为对该情况提供错误结论的每个节点的子节点。
- 基石案例 :在单分类RDR中,每个规则都有一个相关的基石案例。而在MCRDR中,任何给定的新规则可能有多个基石案例。本质上,任何先前用于创建规则且会触发专家正在定义的新规则的案例,都可被视为当前新规则的基石案例。为使专家成功创建新规则,专家要么确保新规则不会在任何基石案例上触发(通过为条件选择适当的“差异”),要么承认触发的基石案例本应触发新规则,只是之前专家遗漏了这一事实。

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值