11模糊神经网络6(1)11.ppt

《11模糊神经网络6(1)11.ppt》由会员分享，可在线阅读，更多相关《11模糊神经网络6(1)11.ppt（44页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、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：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。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。信息处理基本单元方面：ANN数值点样本，xi

2、yi FLN模糊集合（Ai，Bi）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用神经网络实现隶属函数神经网络驱动模糊推理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

3、驱动模糊推理（NDF）解决模糊推理中二个问题：缺乏确定的方法选择隶属函数；缺乏学习功能校正推理规则。用神经网络实现TS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：后件为恒值：后件为一阶线性方程后件为模糊变量应用假

4、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

5、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.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？AM=B；BMT=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ATM=B；如果AT=（1 0 0 0）则ATM

6、=（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对任一节点i 输入与输出的关系：输入与输出的关系：输入：输出：模糊自适应学习控制网络模糊自适应学习控制网络(FALCON)(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ij 2）决定第3层和第4层中的规则自组织学习a)输入变量输入变量x x1 1空间的划分空间的划分T(x1)T(x2)T(x n)=T(x)T(y i)b)b)第第4 4层处在自上至下的模式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。