最新浅析模糊神经网络课件PPT.ppt

最新浅析模糊神经网络课件PPT.ppt

ID:62147147

大小:1.33 MB

页数:66页

时间:2021-04-19

最新浅析模糊神经网络课件PPT.ppt_第1页
最新浅析模糊神经网络课件PPT.ppt_第2页
最新浅析模糊神经网络课件PPT.ppt_第3页
最新浅析模糊神经网络课件PPT.ppt_第4页
最新浅析模糊神经网络课件PPT.ppt_第5页
资源描述:

《最新浅析模糊神经网络课件PPT.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、浅析模糊神经网络“当系统的复杂性增加时,我们使它精确化的能力将减小。直到达到一个阈值,一旦超越它,复杂性和精确性将互相排斥。”——模糊数学创始人L.A.Zadeh教授引言雨的大小风的强弱人的胖瘦年龄大小个子高低天气冷热设X是论域,映射A(x):X→[0,1]确定了一个X上的模糊子集A,A(x)称为A的隶属函数。例1例2模糊理论的基础知识常见隶属度函数模糊隶属度函数在模糊数学中的地位是非常突出的,在对客观事物进行描述和度量的过程中,通常是用隶属度函数来表示该事物的模糊程度。在构造隶属函的过程中,应该充分考虑主观因素和客观因素,使隶属函数能全面反映事物的本质。经常使用的模糊

2、隶属函数主要有三类,分别为三角函数、梯形函数和高斯函数。三角形隶属函数梯形隶属函数高斯形隶属函数钟型隶属函数隶属函数是模糊理论中的重要概念,实际应用中经常用到以下三类隶属函数:(1)S函数(偏大型隶属函数)注:(a、b为待定参数)(2)Z函数(偏小型隶属函数)这种隶属函数可用于表示像年轻、冷、矮、淡等偏向小的一方的模糊现象。图:Z函数(3)∏函数(中间型隶属函数)这种隶属函数可用于表示像中年、适中、平均等趋于中间的模糊现象。图:π函数2、模糊系统(FussySystem,简称FS)许多实际的应用系统很难用准确的术语来描述。如化学过程中的“温度很高”、“反应骤然加快”等。

3、模糊系统(也称模糊逻辑系统)就是以模糊规则为基础而具有模糊信息处理能力的动态模型。2.1模糊系统的构成模糊系统(也称模糊逻辑系统)就是以模糊规则为基础而具有模糊信息处理能力的动态模型。它由四部分构成,如下图:(1)模糊化接口(Fuzzification)模糊化接口主要将检测输入变量的精确值根据其模糊度划分和隶属度函数转换成合适的模糊值。为了尽量减少模糊规则数,可对于检测和控制精度要求高的变量划分多(一般5一7个)的模糊度,反之则划分少(一般3个)的模糊度。当完成变量的模糊度划分后,需定义变量各模糊集的隶属函数。(2)知识库(knowledgebase)知识库中存贮着有关

4、模糊控制器的一切知识,包含了具体应用领域中的知识和要求的控制目标,它们决定着模糊控制器的性能,是模糊控制器的核心。如专家经验等。比如:If浑浊度清,变化率零,then洗涤时间短If浑浊度较浊,变化率小,then洗涤时间标准(3)模糊推理机(FuzzyInferenceEngine)根据模糊逻辑法则把模糊规则库中的模糊“if-then”规则转换成某种映射。模糊推理,这是模糊控制器的核心,模拟人基于模糊概念的推理能力。(4)反模糊化器(Defuzzification)把输出的模糊量转化为实际用于控制的清晰量。按照常见的形式,模糊推理系统可分为:纯模糊逻辑系统高木-关野(Ta

5、kagi-Sugeno)模糊逻辑系统其他模糊逻辑系统2.2模糊系统的分类2.2.1纯模糊逻辑系统纯模糊逻辑系统仅由知识库和模糊推理机组成。其输入输出均是模糊集合。××纯模糊逻辑系统结构图纯模糊逻辑系统的优点:提供了一种量化专辑语言信息和在模糊逻辑原则下系统地利用这类语言信息的一般化模式;缺点:输入输出均为模糊集合,不易为绝大数工程系统所应用。2.2.2高木-关野模糊系统该系统是由日本学者Takagi和Sugeno提出的,系统输出为精确值,也称为T-S模糊系统或Sugeno系统。举例:典型的一阶Sugeno型模糊规则形式如下:其中:x和y为输入;A和B为推理前件的模糊集合

6、;z为输出;p、q、k为常数。二、神经网络简介1.人工神经网络定义生物神经网络人类的大脑大约有1.41011个神经细胞,亦称为神经元。每个神经元有数以千计的通道同其它神经元广泛相互连接,形成复杂的生物神经网络。人工神经网络以数学和物理方法以及信息处理的角度对人脑神经网络进行抽象,并建立某种简化模型,就称为人工神经网络(ArtificialNeuralNetwork,缩写ANN)。281.人工神经网络定义神经网络是由多个非常简单的处理单元彼此按某种方式相互连接而形成的计算系统,该系统是靠其状态对外部输入信息的动态响应来处理信息的。人工神经网络是一个由许多简单的并行工作的

7、处理单元组成的系统,其功能取决于网络的结构、连接强度以及各单元的处理方式。人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。29人脑与计算机信息处理能力的比较记忆与联想能力学习与认知能力信息加工能力信息综合能力信息处理速度30人脑与计算机信息处理机制的比较系统结构信号形式信息存储信息处理机制312.神经网络的基本特征能力特征:自学习自组织自适应性结构特征:并行式处理分布式存储容错性32联想记忆功能3.神经网络的基本功能33非线性映射功能34分类与识别功能35优化计算功能36知识处理功能37神经网络的软硬件实现MATLAB的推出得到

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。