- 1、本文档共44页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
11模糊神经网络611
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 yi FLN——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 8 2) 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 s 6 6 5)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: 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 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? A?M = 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)
文档评论(0)