没有合适的资源?快使用搜索试试~ 我知道了~
首页模糊神经网络的构建及MATLAB仿真
资源详情
资源评论
资源推荐

模糊神经网络
ANN ( Artificial Neural Network )和 FLS ( Fuzzy Logi
cal Network )的比较:
相同之处 1 ) 都是非数值型的非线性函数的逼近器、
估计器、和动态系统;
2 ) 不需要数学模型进行描述,但都可用
数学工具进行处理;
3 )都适合于 VLSI 、光电器件等硬件实现。
不同之处:㈠ 工作机制方面:
ANN—— 大量、高度连接,按样板进行学习
FLS—— 按语言变量、通过隐含、推理和去
模糊获得结果。

㈣ 应用上:
ANN—— 偏重于模式识别,分类
FLN —— 偏重于控制
神经模糊网络——把 ANN 的学习机制和 FLN 的人类思维
和推理结合起来。
㈡ 信息处理基本单元方面:
ANN—— 数值点样本, x
i
y
i
FLN—— 模糊集合( A
i
, B
i
)
㈢ 运行模式方面:
ANN—— 学习过程透明,不对结构知识编码
FLN—— 不透明,对结构知识进行编码,推理过程外界
可知

结合方式有 3 种:
1 )神经模糊系统——用神经元网络来实现模糊隶属函数、
模糊推理,基本上(本质上)还是 FLN 。
2 )模糊神经系统——神经网络模糊化,本质上还是 ANN 。
3 )模糊 - 神经混合系统——二者有机结合。
● 基于神经网络的模糊逻辑运算
① 用神经网络实现隶属函数
② 神经网络驱动模糊推理
③ 神经网络的模糊建模
● 用神经网络实现隶属函数
)]}(exp[1{
1
)(
1
cg
s
wxw
xy

w
c
和 w
g
分别确定 Sigmoid 函数的中心和宽度 ,
S
(x),
M
(x),
L
(x)
组成大、中、小三个论域的隶属函数。
逻辑“与”可以用 Softmin 来实现:
kbka
kbka
ee
beae
baba
),min(soft)(
b)Min(a,b)Softmin(a, 时,当k
函数。是非线性函数,生成sigmoida

● 神经网络驱动模糊推理( NDF )
), z , : yxfThenBYAXIfR
iii
i
(是是和是
rs
xxxNNyThenAxxxXIfR
nsssn
s
,...,2,1
),...,,( , ),...,,( :
2121
是
解决模糊推理中二个问题:①缺乏确定的方法选择隶属函数;
② 缺乏学习功能校正推理规则。
用神经网络实现 T—S 模型,称为神经网络驱动模糊推理 (ND
F).
网络由二部分组成 :
r 为规则数 , A
s
是前提的模糊集合 .NN
s
是模型的函数
结构 , 由 BP 网络实现 .
剩余42页未读,继续阅读

















安全验证
文档复制为VIP权益,开通VIP直接复制

评论15