论文部分内容阅读
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Petrie（简称为FNPN）．文中首先给出了模糊神经Petrie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Petrie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．