付冬梅信息工程学院自动化系20081152学习资料.pptVIP

付冬梅 信息工程学院 自动化系 2008-11-5 第十章 模糊神经网络 11.1 模糊神经网络理论概述 11.2 模糊系统简介 11.3 RBF网络及其与模糊系统的功能等价 11.4 模糊神经元的一般构造方法 11.5 模糊神经网络 11.6 标准模糊神经控制器结构 11.7 模糊RBF型神经控制器结构 第十一章 模糊神经网络的讲述内容 11.1 模糊神经网络理论概述 模糊逻辑系统易于理解,而神经网络则有极强的自适应学习能力.随着模糊信息处理技术和神经网络技术研究的不断深入,如何将模糊技术与神经网络技术进行有机结合,利用两者的长处,提高整个系统的学习能力和表达能力,是目前最受人注目的课题之一。模糊神经网络就是在这种背景下诞生的一门新生技术。 将模糊逻辑与神经网络相结合就构成了模糊神经网络.虽然这是两个截然不同的领域,但是均是对人类智能的研究.目前,将模糊逻辑和神经网络相结合的研究主要有以下几种形式: 1)将模糊逻辑用于神经网络——将模糊集合的概念应用于 神经网络的计算和学习,用模糊技术提高神经网络的学习 性能。 2)将神经网络用于模糊系统有两个方面—— (1)用神经网络的学习能力实时调整知识库,在线提取 或调整模糊规则或其参数. (2)用神经网络完成模糊推理过程. 3)模糊系统和神经网络全面结合,构造完整意义上的模糊神 经网络和算法.近些年来有关模糊神经网络的主要研 究都集中在这方面。 4)将模糊神经网络和其它理论相结合,如遗传,聚夹,蚁群, 自适应等. 11.1 模糊神经网络理论概述 11.2 模糊系统简介 模糊集——是传统的集合论的推广.该集合中包含隶属于不精确的元素.把隶属的程度定义为隶属函数.这个函数是一个位于0到1之间的值.这种方法明确地提供了一种用数学模型表达不确定性的方式.最常用的隶属函数有两个: (1).三角隶属函数: 其中，m和σ分别为该模糊集的中心和宽度. (2).高斯隶属函数 其中c和σ分别为高斯模糊集的中心和宽度. 11.2 模糊系统简介 模糊规则——最常见的是IF…THEN和TSK模型 （1）IF…THEN规则 模糊IF…THEN规则通常用于表达不精确的推理方式如： 11.2 模糊系统简介 (11.3) 其中 （j=1,2…r）和 （k=1,2…s）是模糊集的标识， 它们用适当的隶属函数来刻画。 分别是语言变量的输入和输出，上标i(=1,2…u)表示第i个 规则。 11.2 模糊系统简介 （2）TSK模型（Takagi—Sugeno—Kang模型） 为了取代形如（2.3）的模糊IF—THEN规则，Takagi和Sugeno提出了如下形式的IF—THEN规则: (11.4) TSK模型考虑的规则的IF部分是模糊的，而THEN部分 是清晰的。它的输出是所有输入变量的线性组合。 其中 （j=1,2…r）是一个模糊集， （j=1,2…r， i=1,2…u）是实值参数。而 是第i个规则的系统的输出。 11.2 模糊系统简介 以往的试验表明TSK模型具有如下优点： （1）计算效率高 （2）用线性方法能够较好地处理 （3）用优化和自适应方法能够较好地处理 （4）能确保输出平面的连续性 （5）更适合于用数学方法分析 11.2 模糊系统简介 输入 输出 （3）模糊推理系统 一个模糊推理系统基本上包括5个功能模块： 数据库 规则库 模糊化 推 理 机 制 去模糊化 知识库 模糊推理过程大致如下： 比较输入变量和隶属函数从而获得每个语言标识的隶属值——模糊化。 对初始部分的隶属函数作并运算（通常是乘或最小化），得到每个规则的激活权。 依赖于激活权产生每一个规则的有效结果（模糊或清晰）。 叠加所有有效的结果产生一个明确的输出——去模糊化。 11.2 模糊系统简介 11.2 模糊系统简介 下面是实际中常用的三种推理类型： ①类型Ⅰ（Tsukamoto模糊类型） 系统输出y是每个规则输出的加权平均： （11.5） 其中，u表示总的规则数， 由T范数算子得到：如交集： （11.6） 11.2 模糊系统简介 或代数乘积： （11.7） 是第i个规则的输出，它由规则的触发权 激活和输出 的隶属函数确定。 ②类型Ⅱ（mamdani模糊类型） （面积中心法） （11.8） 其中：u是规则数。（系统的模糊输出是通过对有效的模糊输出作“最大化”运算）。 11.2 模糊系统简介 ③类型Ⅲ（TSK模糊模型） 每个规则的输出是输入变量加一个常数项