[信息與通信]智能控制第8章-文庫吧資料
2024-10-22 17:33本頁面
【正文】 想記憶網(wǎng)絡的重要組成部分 ， 能夠學習任意多維非線性映射 ，CMAC算法被證明可有效地用于非線性函數(shù)逼近 、 動態(tài)建模 、 控制系統(tǒng)設計等 。 4,3,2,1?j? ? ? ? ijijij aEkckc????? ?1? ? ? ? ijijij bEkbkb????? ?1對 有： ijij bc ,其中 ijiinnijnnij cyyEcyyEcE????????????????? ??? ?? ?? ? ijiijjmiimiiimiiind bcxyyyy ??????????????????????? 22111? ?? ?? ?? ?? ? ?????????????????????????????????????????????2221111ijijjimiimiiimiiindijiinnijnnijbcxyyyybyyEbyyEbE??????? ?? ?? ? ? ? 222111 ijiijjmiimiiimiiind bcxyyyy ?????????????????????? ? ? ? ? ? ? ? ? ???????????????????????? ????? ??????211121miiijiijjmiiimiiindijij bcxyyyykckc ?????? ? ? ? ? ? ? ? ? ? ? ? ?????????????????????? ????? ??????2122111miiijiijjmiiimiiindijij bcxyyyykbkb ?????其中 α 、 β 為學習速率。 采用該網(wǎng)絡實現(xiàn)的模糊系統(tǒng)可方便地在線修正隸屬函數(shù)和參數(shù) ， 適合于復雜系統(tǒng)的模糊預測和控制 。分別表示相加 、 相乘和相乘運算 。 i? iR? ?jkii xA ij?? ??? 1 混合型 pisigma神經(jīng)網(wǎng)絡 常規(guī)的前向型神經(jīng)網(wǎng)絡含有求和節(jié)點 ，這給處理某些復雜問題帶來了困難 。 這種模型不但實現(xiàn)了模糊模型的自動更新 ， 而且能不斷修正各模糊子集的隸屬函數(shù) ， 使模糊建模更具合理性 。 模糊建模技術缺點是過分地依賴隸屬函數(shù)的準確性 。 模糊 RBF網(wǎng)絡逼近程序見 。 網(wǎng)絡的輸入為 u(k)和 y(k)，網(wǎng)絡的輸出為 ， 則網(wǎng)絡逼近誤差為： 采用梯度下降法來修正可調參數(shù) ， 定義目標函數(shù)為： ? ? 4fky m ? ? ?kym ? ?ky? ?kym? ? ? ? ? ?kykyke m??? ?221 keE ? 網(wǎng)絡的學習算法如下： 輸出層的權值通過如下方式來調整 : ? ? ? ? 3fkewyyeeEwEkw mm??? ??????????????則輸出層的權值學習算法為： ? ? ? ? ? ? ? ? ? ?? ?211 ???????? kwkwkwkwkw ?其中 為學習速率， 為動量因子。 基于模糊 RBF網(wǎng)絡的逼近算法 采用模糊 RBF網(wǎng)絡逼近對象 ， 取網(wǎng)絡結構為 241， 如圖 82所示 。 iN, 第四層：輸出層 該層的每個節(jié)點的輸出為該節(jié)點所有輸入信號的加權和 ， 即 其中 l為輸出層節(jié)點的個數(shù) ， W為輸出節(jié)點與第三層各節(jié)點的連接權矩陣 。 2212)())((jijjbcifn et???)e x p (),( 22 jn e tjif ?ijc jb第三層：規(guī)則層 ， 即模糊推理層 該層通過與模糊化層的連接來完成模糊規(guī)則的匹配 ， 各個節(jié)點之間實現(xiàn)模糊運算 ， 即通過各個模糊節(jié)點的組合得到相應的點火強度 。 對該層的每個節(jié)點 i的輸入輸出表示為： ixif ?)(1第二層：隸屬函數(shù)層 ， 即模糊化層 該層的每個節(jié)點具有隸屬函數(shù)的功能 ， 采用高斯函數(shù)作為隸屬函數(shù) 。 . 1 網(wǎng)絡結構 采用圖 81所示的模糊神經(jīng)網(wǎng)絡系統(tǒng) ， 其模糊推理系統(tǒng)主要由輸入層 、 模糊化層 、 模糊相聯(lián)層 、 模糊后相連層和輸出層構成 。 ? 模糊神經(jīng)網(wǎng)絡是將模糊系統(tǒng)和神經(jīng)網(wǎng)絡相結合而構成的網(wǎng)絡 。 ? 模糊神經(jīng)網(wǎng)絡在本質上是將常規(guī)的神經(jīng)網(wǎng)絡賦予模糊輸入信號和模糊權值 ， 其學習算法通常是神經(jīng)網(wǎng)絡學習算法或其推廣 。 模糊系統(tǒng) 神經(jīng)網(wǎng)絡 獲取知識 專家經(jīng)驗 算法實例 推理機制 啟發(fā)式搜索 并行計算 推理速度 低
教學課件相關推薦
鄂ICP備17016276號-1