1、文法推理由于其廣泛的應(yīng)用前景而受到越來越多的關(guān)注,它已被成功地應(yīng)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(yù)測,信息檢索,密碼術(shù)等等.由于文法推理與推導(dǎo)相應(yīng)的自動機(jī)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(jī)上.該文主要研究了幾種優(yōu)化算法在此領(lǐng)域中的應(yīng)用.目前,國內(nèi)外對神經(jīng)網(wǎng)絡(luò)與自動機(jī)的結(jié)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(jié)果以及這個領(lǐng)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(dǎo)模糊有限狀態(tài)自動機(jī)的構(gòu)造性算法<'*>,解決了仿真實(shí)驗(yàn)中所給出的具體網(wǎng)絡(luò)的隱藏層神經(jīng)元個數(shù)的確定問題;在實(shí)驗(yàn)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(luò)訓(xùn)練,150個紀(jì)元以后增加神經(jīng)元,此時的新網(wǎng)絡(luò)在124紀(jì)元時收斂;而Blanco[3]的固定性網(wǎng)絡(luò)學(xué)習(xí)好相同的樣本需要432個紀(jì)元.第二章我們設(shè)計了一種用于模糊有限自動機(jī)推導(dǎo)的進(jìn)化策略:(μ,λ)<'FA>-策略,該策略將自動機(jī)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(yīng)的變異操作以及自動機(jī)個體關(guān)于模糊訓(xùn)練樣本集的適應(yīng)度函數(shù).通過實(shí)驗(yàn)證明該策略是有效的,從而為自動機(jī)的推導(dǎo)提出了一種新方法.此方法與使用神經(jīng)網(wǎng)絡(luò)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(yīng)用.最后我們提出了將擅長于全局搜索的進(jìn)化算法與擅長于局部搜索的梯度下降法結(jié)合起來推導(dǎo)自動機(jī)(有限狀態(tài)自動機(jī),下推自動機(jī),模糊自動機(jī))的具有指導(dǎo)性的實(shí)現(xiàn)步驟:首先使用進(jìn)化算法訓(xùn)練給定的樣本集,當(dāng)群體的