[計(jì)算機(jī)軟件及應(yīng)用]神經(jīng)網(wǎng)絡(luò)第七九章(參考版)
2024-10-19 23:17本頁面
【正文】 神經(jīng)網(wǎng)絡(luò)各種模型的應(yīng)用范圍 （ 1）函數(shù)逼近及圖像識別 （ 2）聯(lián)想記憶 （ 3）數(shù)據(jù)壓縮 （ 4）自適應(yīng)控制 網(wǎng)絡(luò)設(shè)計(jì)的基本原則 ? （ 1） 信息表達(dá)方式 ? （ 2）網(wǎng)絡(luò)模型結(jié)構(gòu) ? （ 3）網(wǎng)絡(luò)參數(shù)選擇 ? （ 4）學(xué)習(xí)訓(xùn)練算法選擇 。 ? 當(dāng)處理較為復(fù)雜的問題； ? 采用常規(guī)方法無法解決或效果不好的問題 ? 尤其是問題的內(nèi)部規(guī)律不甚了解，不能用精確的數(shù)學(xué)表達(dá)式描述其系統(tǒng)； ? 要求具有容錯的任務(wù)； ? 處理大量數(shù)據(jù)而不能用符號或數(shù)學(xué)方法描述的問題。 最近 ， 模糊形式的 Kohonen網(wǎng)絡(luò)和模糊 ART模型等也巳 相繼出現(xiàn) ， 請查閱有關(guān)文獻(xiàn) 。 (3)對神經(jīng)元網(wǎng)絡(luò)的輸入數(shù)據(jù)進(jìn)行模糊化預(yù)處理； (4)將 模糊關(guān)系引入神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu) 。 這是一種 靜態(tài)系統(tǒng) ， 它對于環(huán)境已知 ， 測量值正常時 ， 其性能 是好的 ， 但是 ， 當(dāng)外部環(huán)境變化時 ， 使其假設(shè)的前提 條件受到了破壞 ， 其后果也可能是災(zāi)難性的 。 這類系統(tǒng)不同于傳統(tǒng)的模 糊控制系統(tǒng) 。 這類系統(tǒng)具有類似于神經(jīng)元網(wǎng)絡(luò)的形式 ， 但其輸入所 連接的是不同的模糊控制規(guī)則 ， 而不是普通神經(jīng)元網(wǎng) 絡(luò)的節(jié)點(diǎn) 。 這類系統(tǒng)是把自適應(yīng)原理引入模 糊神經(jīng)元網(wǎng)絡(luò)中 ， 使它能適應(yīng)環(huán)境的變化 ， 從而使系 統(tǒng)具有更大的魯棒性 。 為了解決上述兩類問題 ， 可以采用 模糊認(rèn)知映射 FCM(Fuzzy Cognitive Maps)結(jié)構(gòu) ， 在一定程度上通過 數(shù)值運(yùn)算的形式實(shí)現(xiàn)對結(jié)構(gòu)性語言經(jīng)驗(yàn)的綜合推理； 而利用單層前向網(wǎng)絡(luò)輸入輸出積空間的聚類方法 ， 那 么能夠直接從原始的工作數(shù)據(jù)中歸納出若干條規(guī) 則 ． 最后以語言的方式表示出來 。 （ 2） 對有些問題 ， 即使是很有經(jīng)驗(yàn)的專業(yè)人員也很難 將他們的經(jīng)驗(yàn)總結(jié)歸納為一些比較明確而簡化的 規(guī)則 ， 并以語言的形式表達(dá)出來 。 人工神經(jīng)元網(wǎng)絡(luò)與模糊系統(tǒng)結(jié)合的方式很多 ， 大體上 有兩種基本方式： 第一種方式：是將人工神經(jīng)元網(wǎng)絡(luò)作為一種計(jì)算工具 引進(jìn)已有的模糊系統(tǒng)中 ， 具體說就是將 人工神經(jīng)元網(wǎng)絡(luò)作為模糊系統(tǒng)中隸屬函 數(shù) 、 模糊規(guī)則和擴(kuò)展原理的網(wǎng)絡(luò)化描述 形式 。 另一方面，和其他人工神經(jīng)元網(wǎng)絡(luò)一樣，它也具有學(xué) 習(xí)功能，
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1