第八章模糊神经网络.pdf

模糊信息处理——理论与应用 第八章 模糊神经网络 随着现代信息技术的飞速发展，对机器智能的要求越来越高，迫切需要新的智能信息处 理理论和工具，以期在知识表达、模型计算、计算效率和自适应学习等关键问题上有所突破。 从模拟人的智能来看，神经网络侧重于对脑内部结构的模拟，而模糊集合理论则突出对人的 外在表达方法的描述，两者之间存在着密切的联系。人工神经网络和模糊逻辑在对信息的加 工处理过程中，均表现出很强的容错能力，并且都不需要对象的精确数学模型。但是神经网 络虽然具有很强的数值计算能力，却无法表达人们的主观因素，如“大约”、“不少于”等等； 模糊集合理论虽然不适合于数值计算，却具有很强的知识表达能力。把两者结合起来，则同 时具有很强的数值计算能力和知识表达能力。 模糊神经网络（FNN ：Fuzzy NeundNetwors ）是在神经网络（NN ：Netural NetWorks ）和 模糊系统（FNN ：Fuzzuy Systems ）的基础上发展起来的，它充分考虑了NN 和 FS 之间的互 补性，是一个集语言计算、逻辑推理、分布式处理和非线性动力学过程为一身的系统。作为 新的智能信息处理方法它具有良好的发展前景，受到广泛关注，已取得的大量研究成果在一 定程度上表明：FNN 可能会对智能理论产生突破性贡献。由于模糊神经网络是一个内容多、 范围大的研究领域，限于篇幅，本章首先简要介绍模糊神经网络的发展状况，然后将讨论重 点放在模糊神经网络分类器的设计，以及模糊聚类神经网络的设计与实现等问题上。 8.1 模糊神经网络的发展状况 神经网络的研究可以追溯到二十世纪四十年代，但它真正的研究高潮是从二十世纪八十 年代开始的。模糊集理论是 1965 年由 Zadeh 首先提出的，它主要是解决实际生活中不确定性 信息的处理问题，尽管一直有不少学者努力在从事这方面的研究，但模糊集理论真正被人广 泛接受也是在二十世纪八十年代初。当时一方面是因为模糊集理论日益成熟。另一个主要原 因是以日本为代表的模糊控制的研究取得了很大的进展，成功地设计和安装了多个模糊控制 系统，这些控制系统表现了比传统控制更为优越的性能，使得大批研究人员开始转向模糊技 术的研究。现在模糊集理论的应用早已突破控制领域，它在专家系统，模式识别，信息处理 等方面都得到了广泛应用。比如在专家系统中，由于模糊集理论的介入使得它在不确定性问 题的处理上功能有了很大增强。神经网络和模糊集理论在其研究的初期一直是各自独立发展 的，在发展过程中均已经取得了不少成果。但是智能信息处理是一个非常复杂的问题，目前 任何一种方法在单独完成智能信息处理问题上和人们的要求相距甚远，在很长一段时间内要 靠单一方法彻底解决智能信息处理问题一般不太可能。由于模糊系统和神经网络系统存在很 强的互补性，从二十世纪八十年代后期开始就有人从事模糊神经网络集成技术的研究。大量 1 第 8 章 模糊神经网络 工作表明基于模糊神经网络集成技术的智能信息处理在性能上一般比单一采用一种方法要 好。当然模糊神经网络集成方法并不排斥其它方法，比如传统人工智能中的许多方法都可以 吸收和融入其中。模糊集理论和神经网络技术的结合是一个逐步发展的过程，表现在如下几 个方面： (1) 在神经网络中融入模糊集合的概念，使得神经网络能够处理一些基本的模糊问题。 (2) 用神经网络细调模糊规则。在模糊系统建模过程中精度是比较低的，在某些精度要求比较 高的场合，用神经网络来提高模糊系统精度是必要的。 (3) 用神经网络提取模糊规则。知识获取始终是包括基于规则的模糊系统在内的知识系统的一 个瓶颈问题，知识获取的方法很多，神经网络是一种重要而有效的知识获取方法。 (4) 用模糊技术提高神经网络的学习性能。神经网络学习速度慢是一个严重问题，利用适当的 启发式知识自适应控制网络学习过程，有可能提高训练速度。由于这些启发式知识往往是 根据经验得到的模糊知识，因此用模糊控制技术就非常合适。 (5) 用神经网络逼近一个模糊系统，这实际上是用神经网络实现一个已知的模糊系统。由于模 糊系统采用模糊逻辑而不是传统的二值逻辑处理信息，它在计算上就要付出比较大的代