第十講模糊神經(jīng)網(wǎng)絡(luò)

第十講模糊神經(jīng)網(wǎng)絡(luò)ANN（ArtificialNeuralNetwork）和FLS（FuzzyLogicalNetwork）的比較：相同之處1）都是非數(shù)值型的非線性函數(shù)的逼近器、估計器、和動態(tài)系統(tǒng)；2）不需要數(shù)學(xué)模型進行描述，但都可用數(shù)學(xué)工具進行處理；3）都適合于VLSI、光電器件等硬件實現(xiàn)。不同之處：㈠工作機制方面：

ANN——大量、高度連接，按樣板進行學(xué)習(xí)

FLS——按語言變量、通過隱含、推理和去模糊獲得結(jié)果。

㈣應(yīng)用上：

ANN——偏重于模式識別，分類

FLN——偏重于控制神經(jīng)模糊網(wǎng)絡(luò)——把ANN的學(xué)習(xí)機制和FLN的人類思維和推理結(jié)合起來。㈡信息處理基本單元方面：

ANN——數(shù)值點樣本，xiyi

FLN——模糊集合（Ai，Bi）㈢運行模式方面：

ANN——學(xué)習(xí)過程透明，不對結(jié)構(gòu)知識編碼

FLN——不透明，對結(jié)構(gòu)知識進行編碼，推理過程外界可知結(jié)合方式有3種：

1）神經(jīng)模糊系統(tǒng)——用神經(jīng)元網(wǎng)絡(luò)來實現(xiàn)模糊隸屬函數(shù)、模糊推理，基本上（本質(zhì)上）還是FLN。

2）模糊神經(jīng)系統(tǒng)——神經(jīng)網(wǎng)絡(luò)模糊化，本質(zhì)上還是ANN。

3）模糊-神經(jīng)混合系統(tǒng)——二者有機結(jié)合?！窕谏窠?jīng)網(wǎng)絡(luò)的模糊邏輯運算①用神經(jīng)網(wǎng)絡(luò)實現(xiàn)隸屬函數(shù)②神經(jīng)網(wǎng)絡(luò)驅(qū)動模糊推理③神經(jīng)網(wǎng)絡(luò)的模糊建模●用神經(jīng)網(wǎng)絡(luò)實現(xiàn)隸屬函數(shù)wc

和wg

分別確定Sigmoid函數(shù)的中心和寬度,

S(x),M(x),L(x)組成大、中、小三個論域的隸屬函數(shù)。邏輯“與”可以用Softmin來實現(xiàn)：●神經(jīng)網(wǎng)絡(luò)驅(qū)動模糊推理（NDF）解決模糊推理中二個問題：①缺乏確定的方法選擇隸屬函數(shù)；②缺乏學(xué)習(xí)功能校正推理規(guī)則。用神經(jīng)網(wǎng)絡(luò)實現(xiàn)T—S模型，稱為神經(jīng)網(wǎng)絡(luò)驅(qū)動模糊推理(NDF).網(wǎng)絡(luò)由二部分組成:

r為規(guī)則數(shù),As是前提的模糊集合.NNs是模型的函數(shù)結(jié)構(gòu),由BP網(wǎng)絡(luò)實現(xiàn).學(xué)習(xí)的網(wǎng)絡(luò)和訓(xùn)練的步驟82)將數(shù)據(jù)聚類.分成r

類.即有r條規(guī)則.TRD的數(shù)據(jù)有Nt

個.3)訓(xùn)練規(guī)則的前提部分網(wǎng)絡(luò)NNm.。4）訓(xùn)練對應(yīng)于規(guī)則Rs的后件部分（Then部