模糊神經(jīng)網(wǎng)絡(luò)的介紹

谷歌人工智能寫作項目：小發(fā)貓

簡單介紹人工神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)

其實百科介紹的很詳細(xì)，如“人工神經(jīng)網(wǎng)絡(luò)是模擬人腦結(jié)構(gòu)的思維功能，具有較強的自學(xué)習(xí)和聯(lián)想功能，人工干預(yù)少，精度較高，對專家知識的利用也較少人工神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)嗎。

但缺點是它不能處理和描述模糊信息，不能很好利用已有的經(jīng)驗知識，特別是學(xué)習(xí)及問題的求解具有黑箱特性，其工作不具有可解釋性，同時它對樣本的要求較高;模糊系統(tǒng)相對于神經(jīng)網(wǎng)絡(luò)而言，具有推理過程容易理解、專家知識利用較好、對樣本的要求較低等優(yōu)點，但它同時又存在人工干預(yù)多、推理速度慢、精度較低等缺點，很難實現(xiàn)自適應(yīng)學(xué)習(xí)的功能，而且如何自動生成和調(diào)整隸屬度函數(shù)和模糊規(guī)則，也是一個棘手的問題。

”即保證人工神經(jīng)網(wǎng)絡(luò)自身的學(xué)習(xí)能力下，采用模糊理論解決模糊信號，使神經(jīng)網(wǎng)絡(luò)權(quán)系數(shù)為模糊權(quán)，或者輸入為模糊量。

比如原本神經(jīng)網(wǎng)絡(luò)處理的是連續(xù)數(shù)據(jù)（double）不適合求解模糊數(shù)據(jù)，此時就需要引入模糊理論，來構(gòu)造適合于求解這類模糊數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)。

模糊神經(jīng)網(wǎng)絡(luò)的基本形式

模糊神經(jīng)網(wǎng)絡(luò)有如下三種形式：1．邏輯模糊神經(jīng)網(wǎng)絡(luò)2．算術(shù)模糊神經(jīng)網(wǎng)絡(luò)3．混合模糊神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)就是具有模糊權(quán)系數(shù)或者輸入信號是模糊量的神經(jīng)網(wǎng)絡(luò)。上面三種形式的模糊神經(jīng)網(wǎng)絡(luò)中所執(zhí)行的運算方法不同。

模糊神經(jīng)網(wǎng)絡(luò)無論作為逼近器，還是模式存儲器，都是需要學(xué)習(xí)和優(yōu)化權(quán)系數(shù)的。學(xué)習(xí)算法是模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化權(quán)系數(shù)的關(guān)鍵。對于邏輯模糊神經(jīng)網(wǎng)絡(luò)，可采用基于誤差的學(xué)習(xí)算法，也即是監(jiān)視學(xué)習(xí)算法。

對于算術(shù)模糊神經(jīng)網(wǎng)絡(luò)，則有模糊BP算法，遺傳算法等。對于混合模糊神經(jīng)網(wǎng)絡(luò)，目前尚未有合理的算法；不過，混合模糊神經(jīng)網(wǎng)絡(luò)一般是用于計算而不是用于學(xué)習(xí)的，它不必一定學(xué)習(xí)。

什么是模糊神經(jīng)網(wǎng)絡(luò)的分類器研究,它是否就是目標(biāo)識別研究 30

分類和目標(biāo)識別，還是有一些區(qū)別的。分類強調(diào)的將一組相似的樣本劃為一類，各類之間有明顯的不同特征。

而目標(biāo)識別可能是針對個體的，每個個體都有自己的特征，可以將每個樣本分別識別出來，例如字符識別、車牌識別等，這些就是目標(biāo)識別的例子。

模糊神經(jīng)網(wǎng)絡(luò)就是模糊理論同神經(jīng)網(wǎng)絡(luò)相結(jié)合的產(chǎn)物，它匯集了神經(jīng)網(wǎng)絡(luò)與模糊理論的優(yōu)點，集學(xué)習(xí)、聯(lián)想、識別、信息處理于一體。其比較適用于分類和識別，因為其模糊規(guī)則可以保證不受噪聲干擾。

神經(jīng)網(wǎng)絡(luò)主要用于什么問題的求解？

神經(jīng)網(wǎng)絡(luò)的研究可以分為理論研究和應(yīng)用研究兩大方面。理論研究可分為以下兩類：1、利用神經(jīng)生理與認(rèn)知科學(xué)研究人類思維以及智能機理。

2、利用神經(jīng)基礎(chǔ)理論的研究成果，用數(shù)理方法探索功能更加完善、性能更加優(yōu)越的神經(jīng)網(wǎng)絡(luò)模型，深入研究網(wǎng)絡(luò)算法和性能，如：穩(wěn)定性、收斂性、容錯性、魯棒性等；開發(fā)新的網(wǎng)絡(luò)數(shù)理理論，如：神經(jīng)網(wǎng)絡(luò)動力學(xué)、非線性神經(jīng)場等。

應(yīng)用研究可分為以下兩類：1、神經(jīng)網(wǎng)絡(luò)的軟件模擬和硬件實現(xiàn)的研究。2、神經(jīng)網(wǎng)絡(luò)在各個領(lǐng)域中應(yīng)用的研究。這些領(lǐng)域主要包括：模式識別、信號處理、知識工程、專家系統(tǒng)、優(yōu)化組合、機器人控制等。

隨著神經(jīng)網(wǎng)絡(luò)理論本身以及相關(guān)理論、相關(guān)技術(shù)的不斷發(fā)展，神經(jīng)網(wǎng)絡(luò)的應(yīng)用定將更加深入。?fr=ala0_1。

神經(jīng)網(wǎng)絡(luò)到底能干什么？

神經(jīng)網(wǎng)絡(luò)利用現(xiàn)有的數(shù)據(jù)找出輸入與輸出之間得權(quán)值關(guān)系（近似），然后利用這樣的權(quán)值關(guān)系進行仿真，例如輸入一組數(shù)據(jù)仿真出輸出結(jié)果，當(dāng)然你的輸入要和訓(xùn)練時采用的數(shù)據(jù)集在一個范疇之內(nèi)。

例如預(yù)報天氣：溫度濕度氣壓等作為輸入天氣情況作為輸出利用歷史得輸入輸出關(guān)系訓(xùn)練出神經(jīng)網(wǎng)絡(luò)，然后利用這樣的神經(jīng)網(wǎng)絡(luò)輸入今天的溫度濕度氣壓等得出即將得天氣情況當(dāng)然這樣的例子不夠精確，但是神經(jīng)網(wǎng)絡(luò)得典型應(yīng)用了。

希望采納！

神經(jīng)網(wǎng)絡(luò)主要解決什么問題？

神經(jīng)網(wǎng)絡(luò)算法 遺傳算法 模糊算法 哪個好

沒有哪種算法更好的說法，因為每種算法都有自己的優(yōu)勢。只能說某種算法在處理某種問題時，效果更好更合適。神經(jīng)網(wǎng)絡(luò)不能說是一種算法，它是一種數(shù)學(xué)網(wǎng)絡(luò)結(jié)構(gòu)，各神經(jīng)元的權(quán)值、閾值是用某種訓(xùn)練算法計算出來的。

神經(jīng)網(wǎng)絡(luò)適用于非線性系統(tǒng)，可用于難以用數(shù)學(xué)表達(dá)式來描述的系統(tǒng)。遺傳算法在全局尋優(yōu)問題上效果很好，因其收斂速度較快，且不易陷入局部極小點。其中實數(shù)編碼法適合與神經(jīng)網(wǎng)絡(luò)結(jié)合，例如GA-BP神經(jīng)網(wǎng)絡(luò)。

模糊算法可將一些難以量化的參數(shù)模糊處理，并且算法較簡單，尤其是適用于專家經(jīng)驗占主要地位的系統(tǒng)，因為添加一條專家經(jīng)驗只需往規(guī)則庫里添加一條語句即可。用這種算法要注意區(qū)間不能劃得太寬，否則算法太不精確。

?

總結(jié)

以上是生活随笔為你收集整理的模糊神经网络应用实例,什么是模糊神经网络的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。