智能故信息处理技术-模糊神经网络6().ppt

第十讲混合智能控制模糊神经网络ANN（Artificial Neural Network）和 FLS（Fuzzy Logical Network）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，按样本进行学习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 信息处理基本单元方面：ANN——数值点样本，xi yiFLN——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FLN2）模糊神经系统——神经网络模糊化，本质上还是ANN3）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Sigmoid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N t 个.3) 训练规则的前提部分网络NNm.4）训练对应于规则R s的后件部分（Then部分）NN s665）简化后件部分在NN S的输入端，任意消去x p ，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 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: 1) 如何选择 m? 2) 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m i j= Min（a i ,b j） 假定A= (0.2 0.5 0.9 1.0), B= (0.9 0.5 0.6),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 = [0.2 0.5 0.9 0.9]= A’ ≠ A.现在看，如果有A能否“回忆”起B？如果AT = (0 0 0 1), 则AT•M = B；如果AT = （1 0 0 0）则 AT•M = （0.18 0.1 0.12) 只回忆起B的20%。

由m个FAM组成的FAM系统把m个关联（A k，B k）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,…,y p)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(x n)=T(x)T(y i)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 。