计算智能（上）.ppt

模糊判决方法 最大隶属度法 这种方法最简单，只要在推理结论的模糊集合中取隶属度最大的那个元素作为输出量即可。要求这种情况下其隶属函数曲线一定是正规凸模糊集合（即其曲线只能是单峰曲线）。 例如，对于“水温适中”，按最大隶属度原则，有两个元素40和50具有最大隶属度1.0，那就对所有取最大隶属度的元素40和50取平均值，执行量应取： 系数加权平均法 系数加权平均法的输出执行量由下式决定： 式中，系数的选择要根据实际情况而定，不同的系统就决定系 统有不同的响应特性。 模糊判决方法 隶属度限幅元素平均法 用所确定的隶属度值α对隶属度函数曲线进行切割，再对切割后等于该隶属度的所有元素进行平均，用这个平均值作为输出执行量，这种方法就称为隶属度限幅元素平均法。 例如，当取α为最大隶属度值时，表示 “完全隶属”关系，这时 α ＝1.0 。在“水温适中”的情况下， 40℃和 50℃的隶属度是 1.0，求 其平均值得到输出代表量： 模糊推理系统 特点 亦此亦彼的模糊逻辑 模糊推理系统（Fuzzy Inference System ） 构成 知识库，包含模糊if--then规则库和数据库。其中，规则库（rule base）中的模糊规则定义和体现了与领域问题有关的专家经验或知识，而数据库则定义模糊规则中用到的隶属函数。 推理机制（decision--making unitmaking unit），按照这些规则和所给的事实执行推理过程，求得合理的输出或结论。 模糊输入接口（fuzzification interface），将明确的输入转换为对应隶属函数的模糊语言值。???? 去模糊输出接口，将模糊的计算结果转换为明确的输出。 模糊控制器的工作过程 模糊推理过程就是运用模糊逻辑，进行从输入量到输出量映射的过程，可以分为以下5个步骤进行: (1)输入量模糊化：根据对应的隶属函数，确定输入量的隶属程度。输入量是论域内的数值，输出量是对应叙词的隶属度。模糊化可以通过查表或函数计算等方法实现。 (2)模糊逻辑运算：当模糊推理规则的前件含有几个部分时，就需要对几个输入量进行模糊逻辑运算，以得到模糊逻辑推理所需的单一前件。 (3)模糊蕴含：根据总结归纳的模糊规则，由前件蕴含出后件。在过程中，各条规则的权重可取不同值。结果由前件和输出量隶属函数得出，为一系列隶属函数表示的模糊集合。 (4)模糊合成：将各条规则蕴含出的一系列隶属函数合成为输出量隶属函数。 (5)输出逆模糊化：将模糊合成的隶属函数数值化，得出模糊系统的清晰输出量。 模糊控制器的工作过程 模糊推理系统的应用 模糊推理系统的应用 本章内容小结 计算智能 神经计算???? 模糊计算?? 进化计算?? 人工生命 神经计算：人工神经网络???? 模糊计算：模糊逻辑 应用：区域划分 应用：区域划分 应用：区域划分 神经网络的主要学习算法 有师学习算法 能够根据期望的和实际的网络输出（对应于给定输入）间的差来调整神经元间连接的强度或权。 无师学习算法 不需要知道期望输出。 强化学习算法 采用一个“评论员”来评价与给定输入相对应的神经网络输出的优度（质量因数）。强化学习算法的一个例子是遗传算法（ GA）。 有师学习算法 无师学习算法 强化学习算法 人工神经网络的典型模型 人工神经网络的典型模型 BP算法 BP算法的基本思想： 在正向传播过程中，输入信号从输入层经隐单元层传向输出层，每一层的神经元状态只会影响到下一层神经元的输入，如果在输出层得不到期望的输出，则转入反向传播过程。?? 将误差信号沿原来的连接通路返回，通过修改各层神经元的连接权值，使得输出误差信号达到最小。 BP算法 变量定义： X为输入向量，Y为网络输出向量； W(1)、W(2)分别为输入层——隐层、隐层——输出层的权值矩阵。 每层神经元的个数为：输入层，N个神经元；隐层，P个神经元；输出层，M个神经元。 BP算法 BP算法 BP算法 BP算法 BP算法 BP算法 BP算法 BP算法的特点 BP算法的收敛速度慢，学习过程长； 在解决复杂问题时，不一定保证全局收敛而易陷入局部最小，致使学习过程失效； 隐单元层的层数和每层神经元个数的选取缺乏理论上的指导； 采用BP算法的前馈神经网络的容错能力较弱。 网络训练函数 function [teste,bestep,testouts,wh,wo,errorCurve] = nnTrain(matrices,nrows,ninputs,nhiddens1, nhiddens2,noutputs,hrates,orates,moms,epochs,options) matric