一种新的神经模糊系统及其学习算法.pdfVIP

第 16卷 第 2期 模式识别与人工智能 VoI|16 No．2 2003年 6月 PR AI June 2003 一 种新的神经模糊系统及其学习算法* 陈 龙 王飞跃 (中国科学院 自动化研究所 复杂系统与智能科学重点实验室 北京 100080) 摘 要 本文提出一种规则结论部分的语言变量具有离散隶属度函数的、基于Mamdani形规则的新神经模糊系 统 ，并描述了它的学习算法．新神经模糊系统由模糊推理系统及其一一对应的神经网络系统构成．在只有训练数据 的情况下 ，首先提出了一种基于RBF神经网络的模糊建模方法．而在模糊推理系统 由模糊建模或者直接由专家经 验知识确定后 ，应用梯度下降法优化神经网络系统参数．倒立摆控制和时间序列预测的仿真试验体现了本文提出 的新的神经模糊系统的可用性和优越性． 关键词 神经模糊系统，学习算法，模糊建模 ，RBF神经网络 中图法分类号 TP18 1 引 言 让结论部分的隶属度函数的形式在学习过程中也 自 动调整，效果应该更好 ． 本文提出一种新的基于 Mamdani规则的神经 为增强模糊推理系统的自学习和 自适应能力 ， 模糊系统，它首先避免了使用 T—S形规则的缺点．另 从 20世纪90年代初开始，许多学者提出了不同的 外，它的结论部分的隶属度函数采用离散函数．事实 方法将神经网络系统和模糊推理系统结合起来，形 上，由于离散函数可以充分逼近任一连续函数，任何 成神经模糊系统 【卜8J(neuro-fuzzysystems)．神经模 形式的结论部分的隶属度函数在初始时都可以用一 糊系统的 目的是充分利用神经网络易学习和 自适应 个充分逼近它的离散函数替换．而在后面的学习过 的特点，以及模糊推理的结构性和易理解 的特征，进 程 中，离散隶属度函数不再局限于一种函数形式，学 而实现真正的智能控制系统． 习过程会 自动调整它． 一 般的神经模糊系统按照其使用的 IF—T N 新的神经模糊系统 由模糊推理系统和与之一一 规则形式也可大致分为以下两大类 ： 对应的神经网络系统组成．本文构造一个和模糊推 第一类神经模糊系统基于 T—S形规则[5 j，其 理系统一一对应的5层神经网络，并通过梯度下降 规则形式类似于：IF速度 is快，体积 is大，THEN 法调整神经网络参数，也就是调整对应模糊推理系 阻力=a*速度+b*体积+C．使用 T—S规则的明显 统中的隶属度函数，从而达到学习优化对应模糊推 缺点是不容易加入专家的知识 (专家知识的形式多 理系统的目的．在构造神经网络系统时，针对只有一 为Mamdani形的规则)．从另一个角度来看，T—S形 些系统输入输出数据而没有专家经验知识的情况， 规则也没有Mamdani形规则好理解 ． 本文提出了一种新的基于 RBF神经网络的模糊推 第二类神经模糊系统基于Mamdani规则 7【，8】， 理系统建模方法 ． 其规则形式类似于：IF气压 is高，THE N体积 is 小．这类系统的缺点是其规则结论部分语言变量的 2 模糊推理系统 隶属度函数 (以下简称为结论部分的隶属