T-S型模糊神经网络与入侵检测预览.ppt

2007-03-07 哈尔滨理工大学网络信息中心 T-S型模糊神经网络与入侵检测 哈尔滨理工大学 卜明玮 T-S型模糊神经网络与入侵检测 主要内容 T-S型模糊神经网络介绍 BP算法原理用于T-S FNN模糊参数学习 遗传算法用于T-S FNN的权值学习 T-S FNN应用于入侵检测数据分析 T-S型模糊神经网络介绍 T-S FNN的结构 T-S型模糊神经网络介绍 T-S FNN结构的说明 网络由前件网络和后件网络两部分组成 前件网络用来匹配模糊规则的前件 后件网络用来产生模糊规则的后件 T-S型模糊神经网络介绍 前件网络 第一层为输入层。 第二层每个结点代表一个语言变量值 第三层的每个结点代表一条模糊规则, 它的作用是用来匹配模糊规则的前件, 计算出每条规则的适用度。 第四层的结点数与第三层相同, 它所实现的是归一化计算 T-S型模糊神经网络介绍 后件网络 它由r 个结构相同的并列子网络组成, 每个子网络产生一个输出量。 输入层中第0个结点的输入值x0= 1, 它的作用是提供模糊规则后件中的常数项。 子网络的第2层共有m 个结点, 每个结点代表一条规则, 该层的作用是计算每一条规则的后件 T-S型模糊神经网络介绍 yk是各规则后件的加权和, 加权系数为各模糊规则的归一化适用度, 也即前件网络的输出用作后件网络第3层的连接权值。 这里不考虑各输入分量的模糊分割