一种自适应模糊Petri网及其应用*

模糊Petri网(fuzzy Petri nets, FPN)是基于模糊产生式规则的知识库系统的有力建模工具,但其缺乏较强的自学习能力。在FPN的基础上引入神经网络技术,给出了一种自适应模糊Petri网(adapt fuzzy Petri nets, AFPN)模型。该模型将神经网络中的BP网络算法引入到FPN模型中,对FPN中的权值进行反复的学习训练,避免了依靠人工经验设置带来的不确定性。AFPN具有很强的推理能力和自适应能力,对知识库系统的建立、更新和维护有着重要的意义。     

基于遗传-BP算法的FPN参数优化的研究

如何确定模糊产生式规则的各项参数对模糊Petri网(FPN)的建立意义重要，一直是尚未解决的难题。该文把遗传算法与BP算法相结合，引入到模糊Petri网的参数寻优过程，提出了一种基于二阶段的FPN模型的参数优化策略，该策略实现不依赖于经验数据，对初始输入无严格要求。仿真实例表明，经二阶段优化后训练出的参数正确率很高，且所得的FPN模型具有较强的泛化能力和自适应功能。     

人工鱼群算法在FPN参数优化中的应用

模糊产生式规则置信度的确定在很大程度上依赖专家的经验,难以获得精确的结果。针对该问题,将人工鱼群算法引入模糊Petri网(FPN)的置信度寻优过程中,提出一种基于改进人工鱼群算法的参数优化算法,不依赖于经验数据,对初始输入无严格要求。实验结果表明,该算法训练出的模糊Petri网参数正确率较高,能提高FPN的自学习能力,降低实际应用难度。     

基于模糊Petri网的汽车故障诊断仿真研究

本文将Petri网和模糊推理相结合,建立故障诊断的模糊Petri网模型。其中,用FPN表示模糊产生规则,用Petri网的变迁激活规则进行故障诊断推理,从而分析出异常行为过程间的因果关系,推理出故障的原因及其可信度。以汽车故障诊断为例,建立了基于模糊Petri网的诊断模型。通过仿真分析,验证了模型的正确性和算法的有效性。     

一种新的模糊Petri网推理机制

针对模糊Petri网(FPN)建立过程中模糊产生式规则各项参数的确定问题,通过引入一种新的FPN推理机制,利用虚库所和虚变迁构建分层FPN模型。该方法的实现不依赖经验数据,对初始输入无严格要求。仿真实例结果表明,利用该推理机制对非训练样本中的输入数据进行模糊推理,所得的FPN模型具有较强的泛化和自适应能力。     

复杂系统可靠性估计的模糊神经Petri网方法

针对复杂系统可靠性建模难问题,提出了一种新的适用于复杂系统可靠性估计的模糊神经Petri网(简称为FNPN)．文中首先给出了模糊神经Petri网的定义及其引发规则,然后给出了一种学习算法．该FNPN结合了模糊Petri网和神经网络各自的优点,既可以表示和处理模糊产生式规则的知识库系统又具有学习能力,可通过对样本数据学习调整模型中的参数以获得系统内部的等效结构,从而计算出非样本数据的系统的可靠度．最后以一无向网络为例说明该方法是可行的．     

模糊Petri网与遗传算法相结合的优化策略

如何确定模糊产生式规则的各项参数对模糊Petri网(FPN)的建立具有非常重要的意义,一直是尚未解决的难题。文中首次将遗传算法引入到模糊Petri网的参数寻优过程,提出了一种基于遗传算法的参数寻优算法,该算法实现不依赖于经验数据,对初始输入无严格要求。仿真实例表明,由此训练出的参数正确率较高,所得的FPN具有很强的泛化能力和自适应功能。     

基于规则推理的FPN误用入侵检测方法

针对网络入侵攻击活动的模糊性，提出了一种基于模糊推理的模糊Petri网（FPN）误用入侵检测方法。该方法定义了一个六元组FPN，并将模糊产生式规则精化为两种基本类型。在此基础上给出了FPN表示模糊规则的模型、推理过程和基于FPN的推理算法。最后通过入侵检测的实例对该方法的正确性和有效性进行了验证，结果表明该方法推理过程简单直观、容易实现，而且具有并行推理能力，可适用于大规模的FPN模型，是误用入侵检测技术的一种非常有效的解决方案。     

优化模糊Petri网参数的一种混合智能算法

确定模糊产生式规则的各项参数对模糊Petri网(FPN)的建立具有非常重要的意义,是目前研究热点之一.提出了一种充分结合量子粒子群优化算法QPSO(Quantum-behaved partide swarm optimization algorithm)和BP网络学习算法各自优点的混合智能算法HQBA,并将其引入到模糊Petri网的参数寻优过程.仿真实例表明,这种混合算法计算简单,收敛速度快,能够明显减少迭代次数,具有更好的全局收敛性能.由此训练出的参数正确率较高,所得的FPN具有很强的泛化能力和自适应性.     

基于权值学习的FPN攻击模型研究

本文利用模糊Petri网固有的鲜明特点,及其应用到攻击模型中权值参数确定的困难性,和Levenberg-Mar-quardt算法是一种非常有效的非线性优化方法。且收敛速度快。本文结合神经网络的Levenberg-Marquardt反向传播学习算法对权值进行学习。同时利用FPN本身的触发规则进行模糊推理。最后,通过攻击实例验证算法。     

一种模糊Petri网的逆向知识推理方法设计实现

模糊Petri网是模糊产生式知识表示和推理的理想工具.针对基于模糊产生式规则的知识库,在已知决策目标的前提下,设计了该知识库的模糊Petri网模型及基于递归的逆向知识推理方法,并以实例时该方法进行了验证.对于任意指定的库所,通过该方法可以确定其模糊托肯值,即对应命题的模糊真值.该方法的逻辑表达力强,利于计算机实现,而且其逆向推理策略能有效减少计算空间,使计算在一个复杂的模糊Petri网系统的子系统中进行,提高了计算效率.     

基于加权FPN的聚驱综合调整系统决策分析

模糊Petri网(Fuzzy Petri Nets, FPN)是一种适合于描述异步并发事件的计算机系统模型,可以有效地对并行和并发系统进行形式化验证和决策分析.针对聚驱综合调整系统知识具有不确定性和模糊性的特点,给出了基于加权模糊产生式规则的加权FPN决策模型.在此模型的基础上,给出了决策推理过程的形式化推理算法.算法考虑了推理过程中的众多约束条件,将复杂的推理过程采用矩阵运算来实现,充分利用了FPN的并行处理能力,使决策推理过程更加简单和快速.并以压裂方式调整为例,说明了该模型具有直观、表达能力强和易于推理等优点,具有较强的实用价值.     

模糊Petri网及其在模糊推理中的应用

该文首先引入模糊Petri网(Fuzzy Petri Net)的定义，给出了一个九元模糊Petri网模型，并且详细介绍了模糊Petri网的激发规则。给出了产生式规则的模糊Petri网表示的三种模型，在此基础上提出了一种基于模糊Petri网的推理方法，最后使用模糊Petri网中知识表示和运行的基本算法解决了汽车质量检验和故障分析这一实际问题。实际应用证明基于模糊Petri网的产生式规则的推理具有知识表达能力强，处理不确定知识正确，推理过程简单直观，具有一定的智能推理能力，具有较强的实用价值。     

Fuzzy rule base systems verification using high-level Petri nets

In this paper, we propose a Petri nets formalism for the verification of rule-based systems. Typical structural errors in a rule-based system are redundancy, inconsistency, incompleteness, and circularity. Since our verification is based on Petri nets and their incidence matrix, we need to transform rules into a Petri nets first, then derive an incidence matrix from the net. In order to let fuzzy rule-based systems detect above the structural errors, we are presenting a Petri-nets-based mechanism. This mechanism consists of three phases: rule normalization, rules transformation, and rule verification. Rules will be first normalized into Horn clauses, then transform the normalized rules into a high-level Petri net, and finally we verify these normalized rules. In addition, we are presenting our approach to simulate the truth conditions which still hold after a transition firing and negation in Petri nets for rule base modeling. In this paper, we refer to fuzzy rules as the rules with certainty factors, the degree of truth is computed in an algebraic form based on state equation which can be implemented in matrix computation in Petri nets. Therefore, the fuzzy reasoning problems can be transformed as the liner equation problems that can be solved in parallel. We have implemented a Petri nets tool to realize the mechanism presented fuzzy rules in this paper.     

一种基于模糊Petri网的CGF决策方法研究

计算机生成兵力(CGF)系统除了要建立其物理行为模型之外, 还要建立反映其主观意识行为的智能决策模型。以弹道导弹攻防对抗CGF系统为对象, 分析了影响CGF决策的相关因素, 建立了一种模糊Petri网, 用于CGF决策系统建模。最后提出了一种相应的推理算法, 并以弹道导弹攻防对抗为例, 分析了其目标选择决策行为。     

模糊Petri网在带权不精确知识表示和推理中的应用研究

Petri网是一种适合于描述异步并发事件的计算机系统模型 ,可以有效地对并行和并发系统进行形式化验证和行为分析 .以模糊 Petri网的基本定义为基础 ,讨论了带权模糊知识的模糊产生式系统表示法 ,建立了这种表示法与模糊 Petri网之间的映射关系和转换算法 ;在对模糊 Petri网进一步扩充的基础上 ,解决了与知识的模糊Petri网表示相关的几个问题 ;最后给出了模糊 Petri网中不确定性的计算方法和相应的不精确推理算法     

Weighted fuzzy reasoning using weighted fuzzy Petri nets

This paper presents a Weighted Fuzzy Petri Net model (WFPN) and proposes a weighted fuzzy reasoning algorithm for rule-based systems based on Weighted Fuzzy Petri Nets. The fuzzy production rules in the knowledge base of a rule-based system are modeled by Weighted Fuzzy Petri Nets, where the truth values of the propositions appearing in the fuzzy production rules and the certainty factors of the rules are represented by fuzzy numbers. Furthermore, the weights of the propositions appearing in the rules are also represented by fuzzy numbers. The proposed weighted fuzzy reasoning algorithm can allow the rule-based systems to perform fuzzy reasoning in a more flexible and more intelligent manner