人工智慧9(ANFIS).ppt

ANFIS ANFIS 是以模糊推論系統（fuzzy inference system）為其主體使用模糊規則（if-then rules）來處理專家知識與人類邏輯堆論的過程的敘述性語句，對於不確定或不精確的系統具有處理能力 以兩輸入x1 及x2，ㄧ輸出f ，並以ㄧ階Sugeno 模糊系統來建構ANFIS Sugeno 模糊規則庫表示如下 規則1： if x1 is A1 and x2 is B1 then f1=α1x1+β1x2+γ1 規則2： if x1 is A2 and x2 is B2 then f2=α2x1+β2x2+γ2 上述模糊規則其中Ai 及Bi 分別為x1 及x2 的模糊集合，而它們可以為任何歸屬函數的類型（三角、梯形、高斯、鐘形等） ANFIS 架構 第一層：輸入層 O1i=Ai(x1)，O2i=Bi(x2) i=1,2，分別表示x1 及x2 觸發歸屬函數Ai 及Bi 的値，在此採用三角形歸屬函數。 第二層：規則層 此層將各輸入變數間的模糊集合進行排列組合，執行t-norms 運算，包括，標準交集t(p,q)=min(p,q)、代數乘積t(p,q)= p?q、有界差異 t(p,q)=max(0,p+q?1)等， 若以代數乘積來運算如下： wi=t(Ai(x1),Bi(x2))=Ai(x1)×Bi(x2)=O1i ×O2i ， i = 1,2 Wi 代表觸發高度値的乘積。 第三層：正規化層 此層執行正規化（Normalized）觸發強度的運算，將上ㄧ層觸發正規化，也就是第i條的規則輸出結果除以全部規則輸出值的總和，使其值介於0 到1 之間，如： 第四層：結果推論層 此層將正規化結果與Sugeno 模糊模式相乘如 第五層：輸出層 最後的輸出f 為累加第四層輸出如 三輸入三歸屬函數狀態及一輸出的ANFIS 架構圖 基於MATLAB 的ANFIS步驟 產生訓練(TRAIN)數據與檢驗(CHECK)數據 確定輸入變量的歸屬度函數類型與個數 由genfis1函數使用訓練數據產生初始的fis結構 設定anfis訓練參數 利用anfis函數訓練ANFIS 用檢驗數據驗證得到的FIS性能 鍵入指令 anfisedit 四大功能 1 Load, plot, and clear the data. 2 Generate or load the FIS model structure. 3 Train the FIS using optimization methods. 4 Validate the trained FIS model. Loading, Plotting, and Clearing the Data資料載入處理 To train a FIS, you must begin by loading a Training data set that contains the desired input/output data of the system to be modeled. Any data set you load must be an array with the data arranged as column vectors, and the output data in the last column. 1 Specify the data Type. 2 Select the data from a file or the MATLAB worksp. 3 Click Load Data. Generating or Loading the Initial FIS Structure Before you start the FIS training, you must specify an initial FIS model structure. To specify the model structure, perform one of the following tasks: ? Load a previously saved Sugeno-type FIS structure from a file or the MATLAB workspace. ? Generate the initial FIS model by choosing one of the following partitioning techniques: - Grid partition— Generates a single-output Sugeno-type FIS by using grid