模糊神經網絡(Fuzzy Neural Network, FNN)

背景

系統(tǒng)復雜度的增加，人工智能深度化發(fā)展

• 模糊數學創(chuàng)始人L. A. Zadeh, 1921. 當系統(tǒng)的復雜性增加時，我們使它精確化的能力將減小。直到達到一個閾值，一旦超過它，復雜性和精確性將互相排斥。
• 模糊集理論：集合討論一個對象具有某種性質時記作A，不具有這種性質時記作非A，且兩者必居其一，決不允許模棱兩可，而沒有考慮這種性質的程度上的差異。

神經網絡

分布式??容錯、學習，無法利用系統(tǒng)信息、專家知識

• 只能描述大量數據之間的復雜函數關系
• 將知識存在權系數中，具有分布存儲的特點
• 涉及的神經元很多(并行工作)，計算量大
• 權系數可由輸入輸出樣本中學習，無需人來設置
• 黑箱模型，參數不直觀，物理意義不明確。

模糊系統(tǒng)

系統(tǒng)性、專家知識??推理，建庫困難、自適應困難

• 表達人的經驗性知識，便于理解
• 將知識存在規(guī)則中

模糊神經網絡

神經網絡與模糊系統(tǒng)的結合，在處理大規(guī)模的模糊應用問題方面將表現(xiàn)出優(yōu)良效果。

模糊神經網絡本質是將模糊輸入信號和模糊權值輸入常規(guī)的神經網絡。其結構上像神經網絡，功能上是模糊系統(tǒng)。

學習算法是模糊神經網絡優(yōu)化權系數的關鍵。

總結：模糊神經網絡雖然也是局部逼近網絡，但是它是按照模糊系統(tǒng)模型建立的，網絡中的各個結點及所有參數均有明顯的物理意義，因此這些參數的初值可以根據系統(tǒng)或定性的知識來加以確定，然后利用上述的學習算法可以很快收斂到要求的輸入輸出關系，這是模糊神經網絡比前面單純的神經網絡的優(yōu)點所在。同時由于它具有神經網絡的結構，因而參數的學習和調整比較容易，這是它比單純的模糊邏輯系統(tǒng)的優(yōu)點所在。

?

References:

模糊神經網絡背景、理論、應用綜述https://wenku.baidu.com/view/22590c72cc17552706220818.html

淺析模糊神經網絡https://wenku.baidu.com/view/94f77a7384868762cbaed58f.html

總結

以上是生活随笔為你收集整理的深度学习～模糊神经网络(FNN)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。