模糊神经网络ppt课件.ppt

《模糊神经网络ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、模糊神经网络ANN（ArtificialNeuralNetwork）和FLS（FuzzyLogicalNetwork）的比较：相同之处1）都是非数值型的非线性函数的逼近器、估计器、和动态系统；2）不需要数学模型进行描述，但都可用数学工具进行处理；3）都适合于VLSI、光电器件等硬件实现。不同之处：㈠工作机制方面：ANN——大量、高度连接，按样板进行学习FLS——按语言变量、通过隐含、推理和去模糊获得结果。㈣应用上：ANN——偏重于模式识别，分类FLN——偏重于控制神经模糊网络——把ANN的学习机制和FLN的人类思维和推理结合起来。㈡信

2、息处理基本单元方面：ANN——数值点样本，xiyiFLN——模糊集合（Ai，Bi）㈢运行模式方面：ANN——学习过程透明，不对结构知识编码FLN——不透明，对结构知识进行编码，推理过程外界可知结合方式有3种：1）神经模糊系统——用神经元网络来实现模糊隶属函数、模糊推理，基本上（本质上）还是FLN。2）模糊神经系统——神经网络模糊化，本质上还是ANN。3）模糊-神经混合系统——二者有机结合。●基于神经网络的模糊逻辑运算①用神经网络实现隶属函数②神经网络驱动模糊推理③神经网络的模糊建模●用神经网络实现隶属函数wc和wg分别确定Sigmoi

3、d函数的中心和宽度,S(x),M(x),L(x)组成大、中、小三个论域的隶属函数。逻辑“与”可以用Softmin来实现：●神经网络驱动模糊推理（NDF）解决模糊推理中二个问题：①缺乏确定的方法选择隶属函数；②缺乏学习功能校正推理规则。用神经网络实现T—S模型，称为神经网络驱动模糊推理(NDF).网络由二部分组成:r为规则数,As是前提的模糊集合.NNs是模型的函数结构,由BP网络实现.学习的网络和训练的步骤82)将数据聚类.分成r类.即有r条规则.TRD的数据有Nt个.3)训练规则的前提部分网络NNm.。4）训练对应于规则Rs的

4、后件部分（Then部分）NNs665）简化后件部分在NNS的输入端，任意消去xp，比较误差：6）最终输出6●神经网络的模糊建模有三种模型：⑴后件为恒值：⑵后件为一阶线性方程⑶后件为模糊变量应用假定要辨识的系统为数据40对，见表6.1评判指标:常数模型常数模型隶属函数的变化非线性模型非线性模型隶属函数的变化语言输出模型语言输出模型隶属函数的变化●神经网络模糊化①模糊感知器精确划分的问题：每个分量都有同样的“重要性”，用在分类时，当分类有重叠时（如图），得不到很好的结果。模糊感知器的基本思想：给隶属函数以一定的修正量，对隶属度接近0.5的

5、样本,在确定权值向量时,给予较小的影响:模糊感知器算法的问题:如何选择m?如何给向量赋与模糊隶属函数?3)算法的终止判据.回答：1）m>1;如隶属函数接近0.5.m》1；如隶属函数大于0.5.2)给向量赋与模糊隶属函数的规则:其中:3)算法停止的判据:产生良好的结果.②模糊联想存储器（FAM）双向联想存贮器的模糊化。把双向联想存贮器的权矩阵变换成模糊集合的关系（关联）矩阵。（当分类错误，不确定向量不再产生另一迭代）模糊关联矩阵M确定有二种方法：1）相关最小编码mij=Min（ai,bj）假定A=(0.20.50.91.0),B=(0.

6、90.50.6),则：2）相关乘积编码现在看，如果有A能否“回忆”起B？A⃘M=B；BMT=[0.20.50.90.9]=A’≠A.现在看，如果有A能否“回忆”起B？如果AT=(0001),则AT•M=B；如果AT=（1000）则AT•M=（0.180.10.12)只回忆起B的20%。由m个FAM组成的FAM系统。把m个关联（Ak，Bk）分别存到存贮库中，把m个记忆向量叠加起来。即：所记忆的隶属向量，等于各记忆向量的加权和：如在输出论域Y=（y1,y2,…,yp)需要一个单独的输出，则要去模糊：A并行地加于各联想存贮器上。神经模糊网

7、络——神经模糊控制器对任一节点i输入与输出的关系：输入：输出：●模糊自适应学习控制网络(FALCON)29第5层：学习（训练）目的：1）决定第2层和第4层中的隶属函数中心mij和宽度σij2）决定第3层和第4层中的规则自组织学习a)输入变量x1空间的划分T(x1)T(x2)…T(xn)=T(x)T(yi)b)第4层处在自上至下的模式d)确定连接和模糊规则e)规则合并,减少规则1)有完全相同的结果2)前提一样的规则3)其它前提的并,组成了某些输入变量的整个术语的集合监督学习阶段●神经-模糊网络（控制器）的参数学

8、习（ANFIS）相应的ANFIS网络如图示。隶属函数为钟形：要调节的参数：对后件参数，可以用Kalman滤波方法进行计算，此时，把后件参数排列成向量：一组线性方程求解。