模糊神经网络研究现状综述_李恒嵬.pdf

第 12卷　第 2期 辽宁科技学院学报 .12　.2 　 　 2010 年 6 月　 .　 2010 文章编号:1008-3723 (20 10 )02 -0015 -03 模糊神经网络研究现状综述 李恒嵬 (辽宁 高智能系统工程有限公司 辽宁 沈阳 110015 ) 摘要:概述了近年来模糊神经网络领域的研究方法和研究的进展, 从模糊系统和神经网络结合的可能性到模糊神经网络 的结构确定、常见算法、规则的提取等进行了总结和概述, 并对将来的研究方向进行了探索。 关键词:模糊控制;神经网络;模糊神经网络;模糊规则;自适应控制 中图分类号:273.2　　　　文献标识码: 1　引言 经元, 它的输入由隶属函数的运算确定, 模糊神经元的描述 自从世界上第一个模糊控制器诞生以来, 模糊控制已取 可以不用…语句来描述。 得了大量应用, 尤其对那些大滞后、非线性强、模型粗糙甚至 第三类具有模糊输入的模糊神经元, 其输入和输出都是 难以获得数学模型的复杂工业对象来说, 应用模糊控制是非 模糊集, 但输入模糊集被修正成另一种模糊集。 常成功的。 20 世纪 80 年代以来, 人工神经网络的研究掀起 通常所说的模糊神经网络有两种:一种是将模糊化概念 了新高潮, 并取得了不少进展, 引起学术界的广泛关注。 和模糊推理引入神经元的模糊神经网络, 而另一种是基于神 〔1〕 经网络的模糊系统。 19 87 年, . 率先将模糊理论和神经网络理论有机地 结合而进行了系统地研究, 从此, 模糊神经网络的理论研究 2.3　神经网络与模糊控制的比较 及应用得到了飞速发展, 如今已成为许多专家学者研究的热 人工神经元网络与建立在模糊理论基础上的模糊系统, 点课题。 都是用数值方法估计输入与输出之间的非线性映射关系, 它 2　模糊神经网络概述 们都不是由数学方法来进行的, 而是通过自适应的动态方法 2.1　模糊系统与神经网络结合的可能性 来得到某些非线性控制问题的解。相同之处:二者都是非数 证明了一个加性模糊系统能以任意的精度逼近 值型的非线性函数的逼近器, 估计器和动态系统;不需要数 〔1〕 学模型进行描述, 但都可以用数学工具进行处理;都适合于 一个紧致域上的任意连续函数 。 -利用 -定理证明了模糊系统实际上是一个万能逼近 、光电器件等硬件进行实现。不同之处见下表。 〔2〕 器 , 它表明存在一个高斯型模糊系统, 能在任意精度上逼 近任意给定的函数, 多层前馈神经网络能够很好的任意逼近 大量, 高度连接, 按样 将语言变量进行隐含 〔3〕 工作机制 一连续函数 。 因此, 从数学角度看神经网络与模糊系统有 板进行学习 推理模糊化 着某种天然的相似性。 信息处理 数值点样本, 模糊集合 (, ) 模糊控制技术和神经网络技术同属于人工智能技术, 各 自具有对方恰恰不具备的优缺点, 具有互补性。模糊技术的 运行模式 学习过程透明, 不对 不透明, 对结构知识 特长在于逻辑推理能力, 可以模拟人类判断和决策的能