开关电路中的潜在问题进化Petri网分析方法

摘要：

利用神经网络进行潜在通路分析(SCA)由于丢失了系统的结构信息,所以导致分析结果不可靠以及解释困难等问题;为了克服这个缺陷,将学习型Petri网(LPN)用于SCA;但是传统LPN有两个缺陷:(1)都是针对无回路PN模型,这不符合实际情况;(2)大部分都是利用BP算法进行学习,带来BP算法固有的缺陷;针对这两个缺陷,提出基于克隆选择算法(CSA)的LPN (CSAL-PN);首先对系统进行PN建模,然后利用CSA训练PN,使得PN既可以学习先验知识又可以利用系统的结构信息;为了提高LPN的泛化能力,引入了神经网络集成;具体方法就是将训练的所有抗体作为集成中的个体,然后通过简单加权集成输出;文章还提出了带回路的学习型PN不陷入死锁的充要条件;最后用CSALPN对一个典型的电路进行SCA;统计结果证实了该方法可以有效发现开关电路的潜在通路.

关键词：潜在通路分析、克隆选择算法、Petri网、神经网络集成

所属期刊栏目：22

分类号：TP31(计算技术、计算机技术)

在线出版日期：2015-01-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：915-918