×
罗斯安格拉阿尔伯克基;科内利·朱尼尔;乔瓦尼·巴罗佐;吉尔赫梅·巴雷托

一种新型的全自适应神经网络建模与实现，使用有色Petri网。 （英语） Zbl 1522.93119号

离散事件动态。系统。 33，编号2，129-160（2023）.
摘要：人工神经网络（Ann）包括并行和分布式计算工具，可以从数据中学习，并对高度非线性的系统进行推断（即预测）。反过来，Petri网（PN）由用于并行和分布式离散事件系统的成熟建模工具组成，对复杂工业任务的自动化和控制做出了许多成功贡献。因此，出于对使用PN形式主义进行仿真或设计神经网络体系结构的长期兴趣，我们借助分层时间有色PN（HTCPN）强大的建模框架重新审视了这一研究主题介绍一种新的方法，该方法利用著名的反向传播算法训练出一个完全自适应的单层多层感知器（MLP）模型。由此提出的模型称为HTCPN-MLP，由一个能够处理分类和回归任务的通用结构组成。为了开发HTCPN-MLP模型，首先在神经元的新型McCulloch-Pitts彩色PN（McCullock-Pitts-CPN）模型的基础上建立了类感知器彩色PN模型，这是当前工作的另一个贡献。为了突出所提出的HTPCN-MLP模型的学习能力及其相对于文献中可用的替代模型的优势，本文提出了一组教学实验。

MSC公司：

93元65角 离散事件控制/观测系统
93C40型 自适应控制/观测系统
68T07型 人工神经网络与深度学习

关键词：

多层感知器;有色Petri网;反向传播;学习;形式化模型

软件：

设计/CPN;CPN/工具;UCI-毫升
PDF格式BibTeX公司 XML格式引用
\textit{R.Albuquerque}等人，离散事件动力学。系统。33，编号2，129--160（2023；Zbl 1522.93119）
全文： DOI程序

参考文献：

[1] Ahson，SI，模糊神经网络的Petri网模型，IEEE Trans-Syst Man-Cybern，25，6，926-932（1995）·doi:10.1109/21.384255
[2] Arivudainambi，D。；库马尔，KAV；Chakkaravarthy，SS，《使用主成分分析和人工神经网络对恶意软件流量进行分类以进行极端监控》，《计算机通信》，第147期，第50-57页（2019年）·doi:10.1016/j.comcom.2019.08.003
[3] 艾尔斯·德·坎波斯（Ayres de Campos），D。；伯纳德，J。；Garrido，A.，SisPorto 2.0：自动分析心脏收缩图的程序，《妇产医学杂志》，9，5，311-318（2000）
[4] Bouhoune，K。；雅兹达，K。；Boucherit，MS，使用人工神经网络和模糊逻辑的三相感应电机混合控制，应用软件计算，55，289-301（2017）·doi:10.1016/j.asoc.2017.01.048
[5] 卡巴内罗斯，SM；Calautit，JK；Hughes，BR，《用于环境空气污染预测的人工神经网络模型综述》，环境模型软件，119104669285-304（2019）·doi:10.1016/j.envsoft.2019.06.014
[6] 卡彭特，G。；Grossberg，S.，用于监督学习、识别和预测的自组织神经网络，IEEE Commun Mag，30，9，38-49（1992）·doi:10.1109/35.156802
[7] Chan，SM；Ke，联合科学院；Chang，JF，使用模糊Petri网的知识表示，IEEE Trans Knowl Data Eng，2，3，311-319（1990）·数字对象标识代码：10.1109/69.60794
[8] 周，TWS；Li，JY，基于人工神经网络的高阶Petri网模型，Artif Intell，92，1-2，289-300（1997）·Zbl 1017.68515号 ·doi:10.1016/S0004-3702（96）00048-3
[9] Dua D，Graff C（2017）UCI机器学习库。统一资源定位地址网址：http://archive.ics.uci.edu/ml
[10] Freire AL、Barreto GA、Veloso M等（2009）机器人导航任务神经网络学习中的短期记忆机制：案例研究。收录于：第六届拉丁美洲机器人研讨会论文集（LARS’2009）。IEEE，第450-462页
[11] 加格，ML；阿赫森，SI；Gupta，PV，用于知识表示和推理的模糊Petri网，Inf Process Lett，39，3，165-171（1991）·Zbl 0735.68065号 ·doi:10.1016/0020-0190（91）90114-W
[12] Genrich HJ，Thieler-Mevissen G（1976）《事实演算》。收录于：计算机科学课堂讲稿，第45卷。斯普林格·弗拉格，第588-595页·Zbl 0341.68039号
[13] 哈比卜，MK；Newcomb，RW，使用时间Petri网的神经元型处理器建模，IEEE Trans Neural Networks，1,4282-289（1990）·数字对象标识代码：10.1109/72.80264
[14] Haykin S（1999）《神经网络：综合基础》，第2版。皮尔森·普伦蒂斯·霍尔·Zbl 0934.68076号
[15] Jensen，K。；Kristensen，LM，有色petri网-并发系统的建模和验证（2009），Springer·兹比尔1215.68153 ·doi:10.1007/b95112
[16] Koriem，SM，《神经网络建模与分析的CN-nets》，Artif Intell，第13、19-47页（2001年）
[17] 李，L。；谢毅。；Cen，L.，基于矩阵运算的灰色推理petri网新的原因分析方法，应用智能，52，9，1-18（2022）·文件编号：10.1007/s10489-021-02377-4
[18] 林，FJ；陈，CI；Xiao，GD，基于非对称隶属度函数的小波petri模糊神经网络微电网电压稳定控制，IEEE智能电网汇刊，12，5，3731-3741（2021）·doi:10.1109/TSG.2021.3071357
[19] 刘，HC；你，JX；Li，Z.，知识表示和推理的模糊Petri网：文献综述，Eng Appl Artif Intell，60，45-56（2017）·doi:10.1016/j.engappai.2017.01.012
[20] 刘，HC；徐，DH；Duan，CY，毕达哥拉斯大群体背景下知识表示和推理的模糊petri网，IEEE系统、人和控制论事务：系统，51，8，5261-5271（2021）·doi:10.1109/TSMC.2019.2949342
[21] 刘，HC；栾，X。；周，M.，一种用于复杂知识表示和推理的新型语言petri网，IEEE Trans-Knowl Data Eng，34，3，1011-1020（2022）·doi:10.1010/TKDE.2020.2997175
[22] Majma，N。；Babamir，SM，使用层次模糊着色petri网的基于模型的起搏器行为监测和适应，IEEE系统、人和控制论汇刊：系统，50，9，3344-3357（2020）·doi:10.1109/TSMC2018.2861718
[23] 麦卡洛赫，WS；Pitts，W.，《神经活动内在思想的逻辑演算》，《公牛数学生物学》，第5期，第115-133页（1943年）·Zbl 0063.03860号 ·doi:10.1007/BF02478259
[24] 牟某。；毛，LX；Liu，HC，大群体环境下知识表示和推理的球面语言petri网，IEEE人工智能汇刊，3，3，402-413（2022）·doi:10.1109/TAI.2022.3140282
[25] Murata，T.，《Petri网：属性、分析和应用》，IEEE程序，77，4，541-580（1989）·数字对象标识代码：10.1109/5.24143
[26] Pinkus，A.，神经网络中mlp模型的近似理论，《数值学报》，8143-195（1999）·Zbl 0959.68109号 ·doi:10.1017/S0962492900002919
[27] Ratzer，AV；威尔斯，L。；HM Lassen；范德阿尔斯特，WMP；Best，E.，CPN编辑、模拟和分析有色petri网的工具，petri网的应用和理论2003，450-462（2003），柏林，海德堡：施普林格，柏林，海德堡·doi:10.1007/3-540-44919-1-28
[28] 罗伯斯·阿尔加林，C。；Restrepo-Leal，D。；Castro，AO，基于光伏模块阵列和人工神经网络近似值的多模函数数据，作为测试优化算法的场景，《数据简报》，27，104669，1-7（2019）
[29] Rosenblatt，F.，《感知器：大脑中信息存储和组织的概率模型》，《心理学评论》，65，6，386-408（1958）·doi:10.1037/h0042519
[30] 沈，VRL；Chang，YS；Juang，TTY，使用Petri网进行监督和无监督学习，IEEE Trans-Syst Man Cybern，40，2，363-375（2010）·doi:10.10109/TSCMA.2009.2038068
[31] Si，B。；Wang，J。；Yao，X.，基于人工神经网络和算法性能评估的复杂建筑多目标优化设计，Adv Eng Inform，40，93-109（2019）·doi:10.1016/j.aei.2019.03.006
[32] 维德罗，B。；Lehr，MA，《自适应神经网络30年：感知器、madaline和反向传播》，IEEE Proc，78，9，1415-1442（1990）·数字对象标识代码：10.1109/5.58323
[33] Xu，XG；Shi，H。；Xu，DH，考虑冲突意见的知识表示和获取的图像模糊petri网，应用科学，9，5，983（2019）·doi:10.3390/第9050983页
[34] 周，J.，考虑因素影响的故障分析模糊petri-net方法，IEEE Access，87229-72238（2020）·doi:10.1109/ACCESS.2020.2986306
[35] 周，R。；冯，J。；Chen，Y.，用扩展模糊petri网表示和推理可变模糊准则下的模糊知识，IEEE Trans-fuzzy Syst，28，12，3376-3390（2020）·doi:10.1109/TFUZZ.2019.2950883
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。