模糊神經(jīng)網(wǎng)絡(luò)ppt課件(參考版)
2025-01-08 12:08本頁(yè)面
【正文】 比如：渾濁度 清 ，變化率 零 ，洗滌時(shí)間 短 渾濁度 較濁 ，變化率 小 ，洗滌時(shí)間 標(biāo)準(zhǔn) …… 訓(xùn)練結(jié)果 。 ? 建立隸屬函數(shù)，確定模糊集合。 模糊控制器 渾濁度 渾濁度變化率 洗滌時(shí)間 確定洗滌時(shí)間的模糊推理框圖 輸入量為水的渾濁度及其變化率，輸出量為洗滌時(shí)間。 ? 洗衣過(guò)程中輸入和輸出很難用一定的數(shù)學(xué)模型進(jìn)行描述，很大程度上依賴操作者的經(jīng)驗(yàn)。例如，在洗滌過(guò)程中，油污的渾濁度變化率小，泥污的渾濁度變化率大。 ? “Edit”—“Membership functions”進(jìn)行輸入輸出變量隸屬函數(shù)的定義。 編輯 FIS屬性 可以修改輸入變量、輸出變量的個(gè)數(shù)等。)。title(39。k39。r39。,1)。 ? [x,mf1]=plotmf(out_fisMat,39。input39。)。title(39。)。title(39。)。title(39。 ? y111=reshape(y11,41,21)。 %對(duì)訓(xùn)練好的模糊神經(jīng)推理系統(tǒng)進(jìn)行驗(yàn)證 ? x111=reshape(x11,41,21)。 %采用 genfis1函數(shù)由訓(xùn)練數(shù)據(jù)直接生成模糊推理系統(tǒng) 參考代碼 ? out_fisMat=anfis(trnData,in_fisMat, epoch_n)。epoch_n=20。 %定義隸屬函數(shù)個(gè)數(shù) ? mfType=39。 %構(gòu)造訓(xùn)練數(shù)據(jù) ? chkData=[x11 x12 y1]。 %將輸入變量變?yōu)榱邢蛄? ? y1=reshape(y,861,1)。 %求得函數(shù)輸出值 ? x11=reshape(x1,861,1)。 )2s i n()(21 221 xxy ??????????????????]1,1[],1,1[],[],1,1[],0[],1,0[212121xxxxxx? [x1,x2]=meshgrid(1::1,1::1)。 如 input=[58 16 11 793 3302。對(duì)樣本數(shù)據(jù)訓(xùn)練 200次后得到一個(gè)訓(xùn)練好的 ANFIS系統(tǒng)。 (2)將表中的訓(xùn)練樣本寫入 ，作為ANFIS的數(shù)據(jù)源，并在 ANFIS編輯器中載入樣本數(shù)據(jù)： load (3)利用 ANFIS自動(dòng)生成一個(gè) FIS結(jié)構(gòu)作為 初始 FIS。利用表中樣本建立一個(gè)模糊神經(jīng)推理系統(tǒng) 。 （ 4）利用 evalfis、 plot等函數(shù)，對(duì)訓(xùn)練好的模糊神經(jīng) 推理系統(tǒng)進(jìn)行驗(yàn)證 。. （ 3）根據(jù)載入 ANFIS編輯器中的訓(xùn)練樣本和評(píng)價(jià)樣本數(shù)據(jù)，利用 anfis函數(shù)對(duì)已初始化的 FIS結(jié)構(gòu)進(jìn)行訓(xùn)練。 and the default output membership function type is 39。 the default input membership function type is 39。 load load （ 2）初始化模糊推理系統(tǒng) FIS的參數(shù)，包括選擇輸入的隸屬度函數(shù)，利用規(guī)則編輯器生成規(guī)則等等，作為訓(xùn)練初始的 FIS。 具體步驟： （ 1）將選取的訓(xùn)練樣本和評(píng)價(jià)樣本分別寫入兩個(gè) .dat文件。這使得模糊系統(tǒng)可以從其建模數(shù)據(jù)中學(xué)習(xí)信息。同其他模糊神經(jīng)系統(tǒng)相比， ANFIS具有便捷高效的特點(diǎn)。 Matlab實(shí)現(xiàn) ? 自適應(yīng)模糊神經(jīng)推理系統(tǒng)，也稱為基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)模糊推理系統(tǒng) (Adaptive Networkbased Fuzzy Inference System)，簡(jiǎn)稱 ANFIS， 1993年由學(xué)者 Jang Roger提出。 學(xué)習(xí)算法是模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化權(quán)系數(shù)的關(guān)鍵。該層與 第四層的連接為全互連，該層將第四層各個(gè)節(jié)點(diǎn)的輸出， 轉(zhuǎn)換為輸出變量的精確值。 j=1,2,…,m n.（權(quán)值代表了每條規(guī)則的置信度， 訓(xùn)練中可調(diào)。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1