人工智能 5课件.pptVIP

* Conclusion 1、 FAM规则的获取可以利用常识和修正误差的直觉。模糊系统具有超常的鲁棒性。 2、可以采用DCL方法得到未知的、高维的模糊系统规则，表明出可以利用神经网络技术学习复杂的知识，来进行模糊信息处理，使得模糊规则的自动提取及模糊隶属函数的自动生成成为可能，从而生成复杂的模糊系统。 * 谢 谢！ * 含义就是对product space进行划分，计算样本落在划分后的立方体里面的最大次数 * 模糊与神经网络的比较 ——以倒车系统为例 * CONTENTS Introduction Backing up a Truck With a Fuzzy System With a Neural System Comparison Sensitivity Analysis With an Adaptive Fuzzy Neural System Parking a Truck with a Trailer Conclusion * Introduction 模糊系统 描述和处理人的语言、思维中存在的模糊性概念，模拟人的智能 神经网络系统 根据人脑的生理结构和信息处理过程，来模拟人的智能 两者的结合 神经网络黑盒子结构难以确定，但神经网络具有自学习等功能。 具体问题-1:Backing up a truck 2: Parking a truck with a trailer * Backing up a Truck  -Background State variables :φ,x, y θ 0.1 One degree each Determine the truck position Steering angle Ignore variable y and discretize all values * Backing up a Truck -with a Fuzzy System 模糊化 模糊推理 去模糊 模 糊 集 输 入 参 数 模 糊 集 输 出 参 数 模糊规则库 模糊系统的一般处理方法 * Backing up a Truck -with a Fuzzy System 模糊系统的模糊集 * Backing up a Truck -with a Fuzzy System FAM Rules and Control Surface LE LC CE RC RI RB PS PM PM PB PB RU NS PS PM PB PB RV NM NS PS PM PB VE NM NM 18ZE PM PM LV NB NM NS PS PM LU NB NB NM NS PS LB NB NB NM NM NS Both reflect the symmetry of the control system * Backing up a Truck -with a Fuzzy System 相关最小FAM推理 Each FAM rule emitted a fit-weighted output fuzzy set at each iteration The total output O added these weighted outputs denotes the anteacedent fit value and represents the sequent fuzzy set of steering-angle values in the ith FAM rule 以前的fuzzy system用pairwise maximum来合并输出序列。当FAM规则数增多时，会产生一个平滑分布的输出序列。 * Backing up a Truck -with a Fuzzy System Centroid Defuzzification 例一 详细过程可以参见书中11章P390,Fig11.4-11.5 * Backing up a Truck