模糊神经网络技术综述.docxVIP

XXXXXX大学 结课作业（题目三） 模糊神经网络技术综述 姓 名： 学 号： 联系方式： 学科门类： 学科专业： 单 位： 二〇一五年七月 摘要 首先讨论了模糊神经网络协作体的产生和优越性，随后将模糊神经网络划分为狭义模糊神经网络、用模糊逻辑增强网络功能的神经网络和神经模糊系统，并分别介绍了各自的网络结构和学习算法，最后介绍了模糊神经网络的工业应用。 关键词：模糊逻辑；神经网络；综述 1. 引言 系统的复杂性与所要求的精确性之间存在尖锐矛盾为此，通过模拟人类学习和自适应能力，人们提出了智能控制的思想。控制理论专家Austrom在IFAC大会上指出：模糊逻辑控制、神经网络与专家控制是三种典型的智能控制方法。通常专家系统建立在专家经验上，并非建立在工业过程所产生的操作数据上，且一般复杂系统所具有的不精确性、不确定性就算领域专家也很难把握，这使建立专家系统非常困难。而模糊逻辑和神经网络作为两种典型的智能控制方法，各有优缺点* 模糊逻辑与神经网络的融合——模糊神经网（Fuzzy Neural Network）由于吸取了模糊逻辑和神经网络的优点，部分避免了两者的缺点，已经成为当今智能控制研究的热点之一。 2. 模糊神经网络的提出 模糊逻辑（FL）、神经网络理论（NN）、遗传算法（GA）、随机推理（PR），以及置信网络、混沌理论和部分学习理论相融合，形成了一种协作体，这种融合并非毫无规律地将模糊逻辑、神经网络和遗传算法等进行拼凑，而是通过各种方法解决本领域的问题并相互取长补短，从而形成了各种方法的协作。从这个意义上讲，各种方法是互补的，而不是竞争的。在协作体中，各种方法起着不同的作用。通过这种协作，产生了混合智能系统。模糊逻辑和神经网络都是重要的智能控制方法，将模糊逻辑和神经网络这两种软计算方法相结合，取长补短，形成一种协作体—模糊神经网络。 模糊逻辑和神经网络各自从不同角度研究人的认知问题。模糊逻辑从宏观出发，研究认知中的模糊性问题；神经网络从微观出发，模拟人脑神经细胞的结构和功能。模糊逻辑和神经网络的比较如表1 表1模糊逻辑和神经网络的比较 从上表中可见，模糊逻辑与神经网络有本质上的不同，但是由于模糊逻辑和神经网络都被用于处理不确定性、不精确性问题，因此二者又有着天然的联系。Hornik和White证明了神经网络的函数映射能力；Kosko证明了可加性模糊系统的模糊逼近定理（FAT，Fuzzy Approximation Theorem）；Wang和Mendel、Buckley 和Hayashi、Dubots和Grabish、Watkins证明了各种可加性和非可加性模糊系统的模糊逼近定理。这说明模糊逻辑和神经网络有着密切联系，二者都是自适应模型无关估计器。正是由于这些理论上的共性，才使模糊逻辑和神经网络的结合成为可能。 3．模糊神经网络的研究进展 模糊神经网络的发展经历了一个漫长的过程。MacCulloch-Pitt模型便是早期将模糊集应用到神经网络中的一例。此后，人们对模糊神经网络研究得很少。直到1990年Takagi才综述性地讨论了神经网络与模糊逻辑的结合。Kosko出版了该领域的第一本专著《Neural Network and Fuzzy Systems》，并在这本专著中提出了模糊联想记忆、模糊认知图等重要概念，促进了模糊神经网络的研究向着多元化深入发展。随着研究的深入，国际著名学术期刊纷纷出版专辑，如《IEEE Transactions on Neural Networks》、《Fuzzy Sets and Systems》目前，模糊神经网络作为智能控制论的主要研究对象之一，已经受到广泛重视。 通常所述的模糊神经网络，既指将模糊化概念和模糊推理引入神经元的模糊神经网络，又指基于神经网络的模糊系统。 前者将模糊成分引入神经网络，提高了原有网络的可解释性和灵活性，它有两种形式：引入模糊运算的神经网络和用模糊逻辑增强网络功能的神经网络。而后者则用神经网络结构来实现模糊系统，并利用神经网络学习算法对模糊系统的参数进行调整。 3.1引入模糊运算的神经网络——狭义模糊神经网络 在有些文献中，人们也称这类网络为模糊神经网络。相对来说，此类系统只是狭义概念上的模糊神经网络，因此本文称之为狭义模糊神经网络。在狭义模糊神经网络中，“领域知识”用模糊集合表示，提高了网络的透明度和解释能力。 3.1.1狭义模糊神经网络的结构 从微观角度来看，狭义模糊神经网络是由普通神经元或模糊神经元组成的。模糊神经元与普通神经元的结构相同，只不过用模糊数学描述部分参数，因此具有处理模糊信息的能力。常用的模糊神经元有两种：处理实数输入的模糊神经元和