自動機的推導與優(yōu)化算法的結合.pdf

1、文法推理由于其廣泛的應用前景而受到越來越多的關注,它已被成功地應用于:句法模式識別[13],演講和自然語言的處理,基因分析,圖像處理,序列預測,信息檢索,密碼術等等.由于文法推理與推導相應的自動機是等價的[14],所以作者將研究的重心集中在獲得能識別給定樣本的自動機上.該文主要研究了幾種優(yōu)化算法在此領域中的應用.目前,國內(nèi)外對神經(jīng)網(wǎng)絡與自動機的結合的研究已取得了一系列成果;在第一章,我們首先將對這些結果以及這個領域的研究思想與方法做一個

2、概要的介紹;然后提出一種推導模糊有限狀態(tài)自動機的構造性算法<'*>,解決了仿真實驗中所給出的具體網(wǎng)絡的隱藏層神經(jīng)元個數(shù)的確定問題;在實驗中,我們首先將樣本輸入帶1個隱藏層神經(jīng)元的反饋網(wǎng)絡訓練,150個紀元以后增加神經(jīng)元,此時的新網(wǎng)絡在124紀元時收斂;而Blanco[3]的固定性網(wǎng)絡學習好相同的樣本需要432個紀元.第二章我們設計了一種用于模糊有限自動機推導的進化策略:(μ,λ)<'FA>-策略,該策略將自動機的轉(zhuǎn)移函數(shù)和輸出函數(shù)用矩陣

3、的形式表示出來,并產(chǎn)生了一個與此編碼特征相對應的變異操作以及自動機個體關于模糊訓練樣本集的適應度函數(shù).通過實驗證明該策略是有效的,從而為自動機的推導提出了一種新方法.此方法與使用神經(jīng)網(wǎng)絡的方法相比,更直觀,簡單,并且在其他研究中也有著廣泛的應用.最后我們提出了將擅長于全局搜索的進化算法與擅長于局部搜索的梯度下降法結合起來推導自動機(有限狀態(tài)自動機,下推自動機,模糊自動機)的具有指導性的實現(xiàn)步驟:首先使用進化算法訓練給定的樣本集,當群體的