第六章模糊神经网络资料.ppt

College of Electrical and Information Engineering, Hunan Univ. * 第六章 模糊神经网络 模糊系统和神经网络控制是智能控制领域内的两个重要分支。模糊系统是仿效人的模糊逻辑思维方法设计的一类系统，这一方法本身就明确地说明了系统在工作过程中允许定性知识的存在。另一方面，神经网络在计算处理信息的过程中所表现出的学习能力和容错性来自于其网络自身的结构特点。 模糊神经网络是一种集模糊逻辑推理的强大结构性知识表达能力与神经网络的强大自学习能力于一体的新技术，它是模糊逻辑推理与神经网络有机结合的产物。 在模糊系统设计中，规则是由对所解决的问题持有丰富经验的专家以语言的方式表达的。专家对于问题认识的深度和综合能力，直接影响到模糊系统工作性能的好坏。 一般地，神经网络不能直接处理结构化的知识。它需用大量训练数据，通过自学习的过程，并借助其并行分布结构来估计输入到输出的映射关系。 将神经网络与模糊控制结合起来组成模糊神经网络，能够较好地克服二者各自的缺点，既可以使模糊控制具有自学习的能力，又可以赋予神经网络推理归纳的能力，同时还能够使网络的结构、权值具有明确的物理意义，使得网络的设计和初始化都十分容易。 6.1 模糊控制与神经网络的结合 目前，神经网络与模糊技术的结合，大致有下列三种： 1、神经元、模糊模型。该模型以模糊控制为主体，应用神经元网络，实现模糊控制的决策过程，以模糊控制方法为“样本”，对神经网络进行离线训练学习。“样本”就是学习的“教师”。所有样本学习完以后，这个神经元网络，就是一个聪明、灵活的模糊规则表，具有自学习、自适应功能。 6.1 模糊控制与神经网络的结合 2、模糊、神经模型。该模型以神经网络为主体，将输入空间分割成若干不同型式的模糊推论组合，对系统先进行模糊逻辑判断，以模糊控制器输出作为神经元网络的输入。后者具有自学习的智能控制特性。 6.1 模糊控制与神经网络的结合 3、神经与模糊模型。该模型根据输入量的不同性质分别由神经网络与模糊控制直接处理输入信息，并作用于控制对象，更能发挥各自的控制特点。 6.2 模糊神经网络模型 6.2.1 模糊联想存储器(FAM) 在模糊控制中，模糊规则Ai→Bi代表了一条推理依据，它是蕴涵句“如果Ai，则Bi”的缩写形式。所有控制规则的集合构成该模糊控制器的控制策略。 Ai→Bi可以描述为模糊控制输入输出空间的一种映射关系： Ri = (Ai→Bi) = Ai ×Bi 所有模糊控制规则的集合蕴涵的模糊映射关系可以描述为： 对于一个模糊输入A，可以根据模糊规则库进行模糊推理来得到其相应的模糊输出B： 6.2 模糊神经网络模型 6.2.1 模糊联想存储器(FAM) 模糊联想存储器就是实现这种机理的一种模糊神经网络，其结构如图所示。 6.2 模糊神经网络模型 6.2.2 模糊推理神经网络 （1）模糊推理的简化 6.2 模糊神经网络模型 6.2.2 模糊推理神经网络 （2）模糊神经网络的结构 6.2 模糊神经网络模型 6.2.2 模糊推理神经网络 （3）模糊神经网络的计算 6.2 模糊神经网络模型 6.2.2 模糊推理神经网络 （3）模糊神经网络的计算 6.2 模糊神经网络模型 6.2.2 模糊推理神经网络 （4）模糊神经网络的学习算法 6.2 模糊神经网络模型 6.2.2 模糊推理神经网络 （4）模糊神经网络的学习算法 College of Electrical and Information Engineering, Hunan Univ. *