- 1、本文档共46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
ann9 神经网路 第9章 模糊神经网络
神经网络
Neural Networks
第九章
模糊神经网络
史忠植
中国科学院计算技术研究所
/
内容提要
•9.1 概述
•9.2 算术模糊神经网络
•9.3 模糊逻辑
•9.4 模糊联想记忆
•9.5神经模糊推理系统
•9.6 神经网络近似逻辑
2014/4/14 史忠植 神经网路 2
模糊神经网络
ANN (Artificial Neural Network )和FLS (
)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,按样板进行学习
FLS—— 按语言变量、通过隐含、推理和去
模糊获得结果。
㈡信息处理基本单元方面:
ANN——数值点样本,x y
i i
FLN——模糊集合(A ,B )
i i
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
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。
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
1
y (x)
1 s
{1exp[w (x w )]}
g c
a是非线性函数,生成sigmoid函数。
wc 和wg 分别确定Sigmoid函数的中心和宽度
, (x), (x), (x)
S M L
组成大、中、小三个论域的隶属函数。
逻辑“与”可以用Softmin 来实现:
ka kb
ae be
(a b) soft min(a,b)
文档评论(0)