模糊神經(jīng)網(wǎng)絡ppt課件(編輯修改稿)
2025-02-01 12:08 本頁面
【文章內(nèi)容簡介】 而神經(jīng)網(wǎng)絡只能描述大量數(shù)據(jù)之間的復雜函數(shù)關(guān)系，難于理解。 (2)從知識的存儲方式來看 ?模糊系統(tǒng)將知識存在規(guī)則集中，神經(jīng)網(wǎng)絡將知識存在權(quán)系數(shù)中，都具有分布存儲的特點。 模糊系統(tǒng)與神經(jīng)網(wǎng)絡的區(qū)別與聯(lián)系 (3)從知識的運用方式來看 ?模糊系統(tǒng)和神經(jīng)網(wǎng)絡都具有并行處理的特點，模糊系統(tǒng)同時激活的規(guī)則不多，計算量小，而神經(jīng)網(wǎng)絡涉及的神經(jīng)元很多，計算量大。 (4)從知識的獲取方式來看 ?模糊系統(tǒng)的規(guī)則靠專家提供或設計，難于自動獲取．而神經(jīng)網(wǎng)絡的權(quán)系數(shù)可由輸入輸出樣本中學習，無需人來設置。 將兩者結(jié)合起來，在處理大規(guī)模的模糊應用問題方面將表現(xiàn)出優(yōu)良的效果。 模糊神經(jīng)網(wǎng)絡（ FNN） 模糊神經(jīng)網(wǎng)絡 （ Fuzzy Neural Network，簡稱FNN）將 模糊系統(tǒng)和神經(jīng)網(wǎng)絡 相結(jié)合，充分考慮了二者的互補性，集邏輯推理、語言計算、非線性動力學于一體，具有學習、聯(lián)想、識別、自適應和模糊信息處理能力等功能。 其本質(zhì)就是 將常規(guī)的神經(jīng)網(wǎng)絡輸入模糊輸入信號和模糊權(quán)值。 ? 在模糊神經(jīng)網(wǎng)絡中 ， 神經(jīng)網(wǎng)絡的輸入 、 輸出節(jié)點用來表示模糊系統(tǒng)的輸入 、 輸出信號 ， 神經(jīng)網(wǎng)絡的隱含節(jié)點 用來表示隸屬函數(shù)和模糊規(guī)則 ， 利用神經(jīng)網(wǎng)絡的并行處理能力使得模糊系統(tǒng)的推理能力大大提高 。 模糊神經(jīng)網(wǎng)絡的三種形式： ?邏輯模糊神經(jīng)網(wǎng)絡 ?算術(shù)模糊神經(jīng)網(wǎng)絡（常規(guī)模糊神經(jīng)網(wǎng)絡） ?混合模糊神經(jīng)網(wǎng)絡 典型模糊神經(jīng)網(wǎng)絡的結(jié)構(gòu) ? 由于模糊系統(tǒng)的規(guī)則集和隸屬度函數(shù)等設計參數(shù)只能靠設計經(jīng)驗來選擇，所以用神經(jīng)網(wǎng)絡的學習方法，根據(jù)輸入輸出的學習樣本自動設計和調(diào)整模糊系統(tǒng)的設計參數(shù)，實現(xiàn)模糊系統(tǒng)的自學習和自適應功能。 ? 結(jié)構(gòu)上像神經(jīng)網(wǎng)絡，功能上是模糊系統(tǒng)，這是目前研究和應用最多的一類模糊神經(jīng)網(wǎng)絡。 該網(wǎng)絡共分 5層，是根據(jù)模糊系統(tǒng)的工作過程來設計的，是神經(jīng)網(wǎng)絡實現(xiàn)的模糊推理系統(tǒng)。第二層的隸屬函數(shù)參數(shù)和三、四層間及四、五層間的連接權(quán)是可以調(diào)整的。 典型的模糊神經(jīng)網(wǎng)絡結(jié)構(gòu) 第一層為輸入層，為精確值。 節(jié)點個數(shù)為輸入變量的個數(shù)。 典型的模糊神經(jīng)網(wǎng)絡結(jié)構(gòu) 第二層為輸入變量的隸屬函數(shù)層，實現(xiàn)輸入變量 的模糊化。 2 1( ) 1 , 2 , ...,iiAO x i m???2 2( ) 1 , 2 , .. .,iiBO x i m m m n?? ? ? ? ?典型的模糊神經(jīng)網(wǎng)絡結(jié)構(gòu) 第三層也稱“與”層，該層節(jié)點個數(shù)為模糊規(guī)則數(shù)。 該層每個節(jié)點只與第二層中前 m個節(jié)點中的一個 和后 n個節(jié)點中的一個相連，共有 m n個節(jié)點， 也就是有 m n條規(guī)則。 典型的模糊神經(jīng)網(wǎng)絡結(jié)構(gòu) 第四層為“或”層，節(jié)點數(shù)為輸出變量模糊度劃分的個數(shù) q。 該層與第三層的連接為全互連，連接權(quán)值為 Wkj，其中 k= 1,2,…,q。 j=1,2,…,m n.（權(quán)值代表了每條規(guī)則的置信度， 訓練中可調(diào)。） 典型的模糊神經(jīng)網(wǎng)絡結(jié)構(gòu) 第五層為清晰化層，節(jié)點數(shù)為輸出變量的個數(shù)。該層與 第四層的連接為全互連，該層將第四層各個節(jié)點的輸出， 轉(zhuǎn)換為輸出變量的精確值。 模糊神經(jīng)網(wǎng)絡的學習算法 ? 模糊神經(jīng)網(wǎng)絡無論作為逼近器，還是模式存儲器，都是需要學習和優(yōu)化權(quán)系數(shù)的。 學習算法是模糊神經(jīng)網(wǎng)絡優(yōu)化權(quán)系數(shù)的關(guān)鍵。 模糊神經(jīng)網(wǎng)絡的學習算法，大多來自神經(jīng)網(wǎng)絡，如 BP算法、 RBF算法等。 Matlab實現(xiàn) ? 自適應模糊神經(jīng)推理系統(tǒng)，也稱為基于神經(jīng)網(wǎng)絡的自適應模糊推理系統(tǒng) (Adaptive Networkbased Fuzzy Inference System)，簡稱 ANFIS， 1993年由學者 Jang Roger提出。 ? 融合了神經(jīng)網(wǎng)絡的學習機制和模糊系統(tǒng)的語言推理能力等優(yōu)點 ，彌補各自不足。同其他模糊神經(jīng)系統(tǒng)相比， ANFIS具有便捷高效的特點。 ? ANFIS使用一個給定的輸入輸出數(shù)據(jù)集 ,從而構(gòu)造出一個模糊推理系統(tǒng) (支持 TS型系統(tǒng) ),并用一個單
教學課件相關(guān)推薦
鄂ICP備17016276號-1