神经网络实用教程课件作者张良均曹晶2.11模糊神经网络.pptVIP

2.11??模糊神经网络 概述 从知识的表达方式来看 模糊系统可以表达人的经验性知识，便于理解，而神经网络只能描述大量数据之间的复杂函数关系，难于理解 从知识的存储方式来看 模糊系统将知识存在规则集中，神经网络将知识存在权系数中，都具有分布存储的特点 从知识的运用方式来看 模糊系统和神经网络都具有并行处理的特点，模糊系统同时激活的规则不多，计算量小，而神经网络涉及的神经元很多，计算量大 从知识的获取方式来看 模糊系统的规则靠专家提供或设计，难于自动获取．而神经网络的权系数可由输入输出样本中学习，无需人来设置。 因此将两者结合起来，在处理大规模的模糊应用问题方面将表现出优良的效果。 2.11.1 模糊神经网络主要形式 1. 松散型结合 在一个系统中，对于可用＂If-then＂规则来表示的部分，用模糊系统描述，而对很难用＂If-then＂规则表示的部分，则用神经网络，两者之间没有直接联系。 2. 并联型结合 同等型 补助型 2.11.1 模糊神经网络主要形式 3．串联型结合 模糊系统和神经网络在系统中按串联方式连接，即一方的输出成为另一方的输入，这种情况可看成是两段推理或者串联中前者为后者输入信号的预处理部分。 例如用神经网络从原输入信号提取有效的特征量，作为模糊系统的输入，这样可使获取模糊规则的过程变得容易。 2.11.2 模糊神经网络模型 基于模糊逻辑系统